Các bài kiểm tra gần đây về các mô hình giao dịch AI trong điều kiện thị trường thực tế đã cho thấy hiệu suất không đồng đều, làm nổi bật cả tiềm năng và những hạn chế. Khung AI-Trader đã được sử dụng để đánh giá khả năng ra quyết định tài chính của các mô hình ngôn ngữ hàng đầu trên các nhóm tài sản khác nhau, bao gồm các thành phần Nasdaq-100, các thành phần SSE 50 và các tài sản tiền điện tử hàng đầu. Cuộc thi, diễn ra từ ngày 25 tháng 11 đến ngày 7 tháng 11, chứng kiến MiniMax-M2 xuất sắc trong cổ phiếu Mỹ và cổ phiếu A, trong khi DS-V3.1 dẫn đầu trong tiền điện tử. Mặc dù có một số thành công, hầu hết các mô hình AI đều gặp khó khăn với lợi nhuận thấp và quản lý rủi ro yếu trong các thị trường thực tế. Hiệu suất thay đổi đáng kể giữa các thị trường khác nhau, với các mô hình như MiniMax-M2 điều chỉnh chiến lược dựa trên điều kiện thị trường. Tuy nhiên, các thách thức như phân tích sai, giao dịch thường xuyên và kiểm soát rủi ro không đầy đủ vẫn phổ biến, nhấn mạnh nhu cầu cải thiện việc xác minh thông tin và sửa lỗi trong các hệ thống giao dịch AI.