Des tests récents des modèles de trading IA dans des conditions réelles de marché ont révélé des performances mitigées, mettant en lumière à la fois leur potentiel et leurs limites. Le cadre AI-Trader a été utilisé pour évaluer les capacités de prise de décision financière des principaux modèles de langage à travers différents pools d'actifs, incluant les composants du Nasdaq-100, les composants du SSE 50, et les principales cryptomonnaies. La compétition, qui s'est tenue du 25 novembre au 7 novembre, a vu MiniMax-M2 exceller sur les actions américaines et les actions A, tandis que DS-V3.1 dominait dans les cryptomonnaies. Malgré quelques succès, la plupart des modèles IA ont eu du mal à générer des rendements élevés et à gérer efficacement les risques sur les marchés réels. Les performances ont varié de manière significative selon les marchés, avec des modèles comme MiniMax-M2 adaptant leurs stratégies en fonction des conditions du marché. Cependant, des défis tels que des erreurs d'analyse, un trading fréquent et un contrôle des risques insuffisant étaient courants, soulignant la nécessité d'améliorer la vérification des informations et la correction des erreurs dans les systèmes de trading IA.