Stonkfly es una simulación de código abierto que conecta el grafo neuronal simulado de una mosca de la fruta macho con datos públicos de BTC-USDC. El sistema convierte esos precios en un gráfico RGB, los presenta como señales visuales al modelo MaleCNS v1.0 y genera propuestas de comprar, vender o mantener. La documentación del proyecto deja clara la frontera importante: no ha demostrado aprendizaje rentable ni capacidad genuina de operar con éxito.
Un cerebro virtual de mosca mira un gráfico de criptomonedas
La idea tiene un punto de partida tan llamativo como fácil de exagerar: no es una mosca biológica operando en un mercado, sino un programa que utiliza una reconstrucción digital del sistema nervioso central de una mosca macho adulta.
MaleCNS v1.0 funciona aquí como una arquitectura neuronal simulada. Stonkfly la conecta con una interfaz de trading y con datos públicos de Coinbase, pero no convierte el modelo en un cerebro vivo ni demuestra conciencia, dolor o una réplica completa de la fisiología de una mosca.
El resultado produce tres tipos de propuesta: comprar, vender o mantener. Es una demostración de cómo una estructura neuronal cartografiada puede acoplarse a un entorno informático, no una estrategia de inversión validada.
El mercado llega convertido en píxeles
Stonkfly no presenta los precios al modelo como una lista de cifras. Los datos públicos de BTC-USDC se renderizan localmente como un gráfico de velas RGB. La entrada del sistema es, por tanto, visual: los fotorreceptores simulados reciben valores de brillo y color, no el precio numérico directo.
La descripción del visor habla de una pantalla de 320 × 180 píxeles repartida entre los ojos izquierdo y derecho, con una zona central de intersección. La implementación también enumera 3.335 entradas de brillo y 811 entradas de color R8. Son descripciones distintas de la interfaz y del modelo de entrada; no implican que cada píxel corresponda uno a uno con una entrada neuronal.
El recorrido puede resumirse así:
- Los datos públicos de BTC-USDC se convierten en un gráfico RGB.
- El gráfico se presenta a las entradas visuales simuladas.
- La actividad del grafo MaleCNS v1.0 alimenta una lectura neuronal fija.
- Esa lectura propone comprar, vender o mantener.
La arquitectura es interesante precisamente porque obliga a separar la señal visual del dato financiero original. El modelo no “lee” una tabla de precios como lo haría un programa convencional: recibe una representación gráfica de esos datos.
Dentro del sistema nervioso simulado
El grafo MaleCNS v1.0 utilizado por Stonkfly contiene 166.700 nodos, 25.582.938 conexiones dirigidas y 124.177.617 contactos sinápticos. Son magnitudes diferentes: los nodos representan neuronas del modelo, las conexiones describen enlaces dirigidos y los contactos sinápticos detallan puntos de comunicación entre neuronas.
La anatomía digital actúa como una restricción de cableado para la simulación. No equivale por sí sola a una réplica validada de toda la fisiología de una mosca viva. Esa distinción importa: tener un mapa detallado de las conexiones no significa que el modelo reproduzca automáticamente la experiencia, la actividad ni la conducta del animal.
Stonkfly añade señales de refuerzo diseñadas para el experimento. Las ganancias del balance estimulan 15 células dopaminérgicas PAM11 y las pérdidas activan dos células aversivas PPL101. El proyecto las describe como señales de refuerzo diseñadas, no como receptores de dolor ni como prueba de placer, sufrimiento o conciencia.
Además, una variación positiva del balance —incluidos cambios no realizados y comisiones— funciona como retroalimentación del sistema. Esa señal no demuestra que la última acción haya causado la ganancia ni que el modelo haya descubierto una estrategia útil.
El modo predeterminado es una simulación
La configuración predeterminada utiliza operaciones de papel, datos públicos reales de BTC-USDC y un saldo simulado de 100 dólares estadounidenses. Así, el proyecto puede recorrer el circuito de datos, percepción, actividad neuronal y propuesta de operación sin presentar ese recorrido como resultados financieros reales.
La diferencia entre “puede generar una propuesta” y “sabe operar con éxito” es enorme. Un sistema puede tener una salida de comprar, vender o mantener y seguir sin demostrar capacidad predictiva, rentabilidad o idoneidad para invertir.
| Dimensión | Detalle de Stonkfly | Condición o alcance |
| Modelo neuronal | MaleCNS v1.0 | Grafo simulado del sistema nervioso central de una mosca macho adulta |
| Estructura | 166.700 nodos; 25.582.938 conexiones dirigidas; 124.177.617 contactos sinápticos | Son recuentos distintos, no equivalentes |
| Entrada de mercado | Gráfico de velas RGB | Se genera a partir de datos públicos de BTC-USDC |
| Lectura visual descrita | 320 × 180 píxeles | Distribuida entre los dos ojos simulados, con una zona central de intersección |
| Propuestas de salida | Comprar, vender o mantener | La lectura neuronal es fija |
| Funcionamiento predeterminado | Operaciones de papel | Saldo simulado de 100 dólares estadounidenses |
| Refuerzo positivo | 15 células PAM11 | Señal diseñada a partir de ganancias del balance |
| Señal aversiva | 2 células PPL101 | Señal diseñada a partir de pérdidas del balance |
Una simulación funcional no es una estrategia ganadora
La conclusión más importante no está en el número de neuronas, sino en lo que todavía no demuestra el experimento. Stonkfly no ha demostrado aprendizaje rentable ni capacidad genuina de trading. Tampoco convierte sus propuestas en una estrategia de inversión validada.
El salto entre una arquitectura neuronal conectada a un mercado y una herramienta capaz de anticipar movimientos de precios exige pruebas cuantitativas reproducibles. La mera existencia de una integración, una salida de compra o venta y señales de refuerzo no llena ese hueco.
Por eso conviene leer el proyecto como un experimento de computación inspirada en la neurociencia: una forma peculiar de estudiar qué ocurre cuando un mapa neuronal simulado recibe una representación visual de un mercado. El atractivo está en el recorrido de la información, no en prometer que una mosca virtual ha aprendido a invertir.
Requisitos para ejecutarlo
Stonkfly está documentado para macOS y Linux. Sus requisitos de ejecución incluyen Python 3.11, un compilador C++17 y 16 GB de RAM recomendados.
Para el lector interesado en neurociencia computacional, el proyecto ofrece un banco de pruebas concreto: datos de mercado, una representación visual y un modelo neuronal estructurado. Para quien busque una estrategia de inversión, la respuesta es mucho menos espectacular y bastante más útil: las operaciones propuestas no constituyen una prueba de rentabilidad.
Stonkfly importa porque convierte un conectoma en una interfaz experimental capaz de mirar un gráfico y producir una decisión discreta. El siguiente paso relevante no es añadir dramatismo al titular, sino demostrar —con resultados reproducibles y condiciones transparentes— si esas decisiones contienen alguna habilidad de mercado. Hasta entonces, lo que existe es una simulación ingeniosa, no un trader de moscas.
