Jüngste Tests von KI-Handelsmodellen unter realen Marktbedingungen zeigten gemischte Leistungen und verdeutlichten sowohl Potenziale als auch Einschränkungen. Das AI-Trader-Framework wurde verwendet, um die finanzielle Entscheidungsfähigkeit führender Sprachmodelle über verschiedene Anlageklassen hinweg zu bewerten, darunter Nasdaq-100-Komponenten, SSE 50-Komponenten und führende Kryptowährungswerte. Der Wettbewerb, der vom 25. November bis zum 7. November stattfand, zeigte, dass MiniMax-M2 bei US-Aktien und A-Aktien herausragte, während DS-V3.1 bei Kryptowährungen führend war. Trotz einiger Erfolge hatten die meisten KI-Modelle Schwierigkeiten mit niedrigen Renditen und schwachem Risikomanagement auf realen Märkten. Die Leistung variierte erheblich zwischen den verschiedenen Märkten, wobei Modelle wie MiniMax-M2 Strategien basierend auf den Marktbedingungen anpassten. Dennoch waren Herausforderungen wie Fehlanalysen, häufiges Trading und unzureichende Risikokontrolle weit verbreitet, was die Notwendigkeit einer verbesserten Informationsverifizierung und Fehlerkorrektur in KI-Handelssystemen unterstreicht.