Am Stresstag spaltete sich der Council entlang der Ländergrenzen: Z.ai ging in Gold, Brent-Öl und Kupfer, Qwen und DeepSeek verkauften Chips. Claude und ChatGPT hielten, und Kimi kaufte den Rücksetzer. Die Chipbewegung selbst ist umstritten: Eine Quelle nennt SOX −7,2%, die eigene Seite von PolyHelper −1,76%.
Zurück zu KI-Rat · Märkte: Märkte heute, 2026-10-31: Angstindex (VIX) +12,9%, Chipaktien (SOX) −7,2%, Nasdaq-100 −3,5% Alle Märkte-Ranglisten →
Poly-Ranking · aus KI-Rat · Märkte
Welches KI-Modell eignet sich 2026 am besten für den Aktienhandel?
In einem 50-tägigen Live-Handelstest mit 21 KI-Modellen sagten Chatbot-Bewertungen die Aktienrenditen kaum voraus (Korrelation 0,054). GPT-5 erzielte in einer viermonatigen Aktiensimulation +0,3%, weniger als die +0,4%, die man ohne jede Handelsaktion erzielt hätte.
- Nr. 1: Kimi K2 (Moonshot AI)
- 10 Plätze
01Endgültige Liste
Die führenden KIs haben unabhängig voneinander jeweils eine eigene Liste mit zehn Plätzen erstellt. Hier steht ein leicht prüfbares Ergebnis: Jeder Platz hat einen Grund, eine Quelle und die Liste der KIs, die ihn aufgenommen haben.
Reihenfolge: von größter bis geringster Übereinstimmung der KIs.
Ein helles Kennzeichen heißt: Diese KI hat den Eintrag auf ihre Liste gesetzt. Ein blasses: hat sie nicht.
- 1
Kimi K2 (Moonshot AI)
Platz 1 in StockBench (+1,9%, Sortino 0,0420, bestes von 14) und +3,07% bei Live-Aktien, verlor aber live auf Polymarket 53,44%. Sein Chatbot-Rang schwankt je nach Tracker zwischen etwa Platz 12 und Platz 59.
Aufgenommen: Claude, ChatGPT, Meta, Gemini, Nova, MiMo, DeepSeek, Qwen. Nicht aufgenommen: Kimi, Wenxin.In ihren Listen: Claude: 5 · ChatGPT: 1 · Meta: 2 · Gemini: 9 · Nova: 5 · MiMo: 1 · DeepSeek: 1 · Qwen: 3
Was jede KI angemerkt hat 8
- ClaudePlatz 5
Wurde in StockBench zusammen mit Qwen3 und GLM-4.5 getestet. Ich habe keine bestätigte Rendite pro Modell gefunden, daher ist sein Platz eine Einschätzung.
Quelle ↗ - ChatGPTPlatz 1
Eine gemeldete simulierte Rendite von 18,7% stellt Kimi im verfügbaren StockBench-Vergleich vor die bekannteren US-Modelle.
Quelle ↗ - MetaPlatz 2
StockBench-Rang 1: +1,9% Rendite, −11,8% größter Rückgang, Sortino 0,0420: bestes risikobereinigtes Ergebnis, chinesisches Modell mit offenen Gewichten
Quelle ↗ - GeminiPlatz 9
Effizient beim Durchsuchen Hunderter Unternehmensmitteilungen, reagierte aber spät auf die Wende bei Chips und konnte das Tech-Schwankungsrisiko nicht mit Sachwerten ausgleichen.
- NovaPlatz 5
Führender Open-Source-Vertreter mit +1,9% Rendite und nur −11,8% Rückgang
Quelle ↗ - MiMoPlatz 1
Chatbot-Rang 12, Handels-Rang 1: Kimi-K2 hält die kombinierte Krone bei StockBench, und Kimi K2.7 Code gewann TradeRank Saison 6 mit +2,14%.
Quelle ↗ - DeepSeekPlatz 1
Handels-Rang 1, Chatbot-Rang 62: eine Lücke von 61 Plätzen, die die „klugen“ Modelle wie am Steuer eingeschlafen aussehen lässt.
Quelle ↗ - QwenPlatz 3
Das Portfolio mit 100.220 $, das Kupfer hielt, während US-Modelle in Panik verkauften.
Quelle ↗
8 KIs setzten es hierher - 2
GLM / Z.ai (Zhipu)
GLM-4.5 belegte in StockBench Platz 3 (+2,3%, vor GPT-5 mit +0,3%). Am Schocktag senkte Z.ai den Nasdaq-100 auf null und setzte auf Gold, Brent-Öl und Kupfer (eine Quelle).
Aufgenommen: Claude, ChatGPT, Meta, Gemini, Nova, MiMo, DeepSeek, Qwen. Nicht aufgenommen: Kimi, Wenxin.In ihren Listen: Claude: 6 · ChatGPT: 3 · Meta: 8 · Gemini: 6 · Nova: 1 · MiMo: 3 · DeepSeek: 3 · Qwen: 4
Was jede KI angemerkt hat 8
- ClaudePlatz 6
Ein weiteres Modell mit offenen Gewichten in StockBench. Ob es Buy-and-Hold schlägt, ist nicht bestätigt.
Quelle ↗ - ChatGPTPlatz 3
Eine gemeldete Rendite von 13,1% schlägt GPT-5 knapp, obwohl sein Rückgang erheblich ist.
Quelle ↗ - MetaPlatz 8
+2,3% simuliert, Rang 3 in StockBench, Sortino 0,0295: schlägt GPT-5 aus den USA im selben Zeitraum
Quelle ↗ - GeminiPlatz 6
Zeigte eine starke Neigung zu physischen Rohstoffen mit 28% in Kupfer und Edelmetallbarren, die Aktienverluste abfederten, obwohl es bei komplexen Derivaten zurücklag.
Quelle ↗ - NovaPlatz 1
+29,4% Krypto-Rendite gegenüber +23,3% bei Buy-and-Hold, mit −8,7% größtem Rückgang
Quelle ↗ - MiMoPlatz 3
An dem Tag, als Chips um 7,2% fielen, senkte es den Nasdaq-100 von 5% auf 0, hielt 9% in Gold, 8% in Brent-Öl und 8% in Kupfer: die sauberste Umschichtung von Tech in Sachwerte im Council.
Quelle ↗ - DeepSeekPlatz 3
Handels-Rang 3 mit +2,3%, doch LMArena-Rang 152 (oder 64): eine Lücke von mindestens 60 Plätzen.
Quelle ↗ - QwenPlatz 4
Niedriger Chatbot-Rang, aber ein positiver Live-Trader, der stark auf den heutigen VIX-Anstieg gesetzt war.
Quelle ↗
8 KIs setzten es hierher - 3
Claude (Anthropic)
Ein Chatbot unter den Top 2, der im Mittelfeld handelt: Opus 4 erzielte live +3,93%, 3.7 Sonnet +3,63%, und Claude-4-Sonnet belegte in StockBench Platz 7 (+2,2%). Sonnet 4.5 verlor live im Krypto-Handel etwa 30,8%.
Aufgenommen: Claude, ChatGPT, Meta, Gemini, Nova, DeepSeek, Wenxin, Qwen. Nicht aufgenommen: MiMo, Kimi.In ihren Listen: Claude: 4 · ChatGPT: 5 · Meta: 6 · Gemini: 1 · Nova: 2 · DeepSeek: 7 · Wenxin: 2 · Qwen: 8
Was jede KI angemerkt hat 8
- ClaudePlatz 4
Verlor in Alpha Arena S1 etwa 30,8%, steht aber nahe der Spitze der Chatbot-Ranglisten. Anthropic hielt im August 2026 die ersten drei Plätze bei LMArena.
Quelle ↗ - ChatGPTPlatz 5
Ein gemeldeter Handelsgewinn von 10,9% ging mit einem tieferen Rückgang einher als bei den vier darüber liegenden Modellen.
Quelle ↗ - MetaPlatz 6
+3,93% live, Sharpe 1,72, größter Rückgang 2,11%: konservativ, setzt Stabilität über aggressive Gewinne
Quelle ↗ - GeminiPlatz 1
Bewahrte das Kapital, indem es den Chipanteil auf null senkte und 38% in Gold und Bargeld verschob, und schlug Buy-and-Hold in Tech-Abschwüngen um 8,4%.
Quelle ↗ - NovaPlatz 2
Nur −8,7% Rückgang während des VIX-Schocks von +12,9%, 65% Tech-Gewichtung
- DeepSeekPlatz 7
Chatbot-Spitze (Nr. 2 Claude Opus 5.5), aber nur Nr. 7 im Handel, und am Stresstag hielt es Chips, während sie um 7,2% fielen.
Quelle ↗ - WenxinPlatz 2
Bestes Verhältnis von Denkleistung zu Rendite: Platz 2 im Chat, Platz 1 bei risikobereinigten Live-Trades
Quelle ↗ - QwenPlatz 8
Ein Top-4-Gesprächspartner, der während des VIX-Anstiegs stark im Bargeld sitzt.
Quelle ↗
8 KIs setzten es hierher - 4
Qwen (Alibaba)
Nur eine Familie ist auf allen Feldern stark: Qwen2.5-72B erzielte +5,15% mit Live-Aktien und +1,63% auf Polymarket, und Qwen3-235B belegte in StockBench Platz 2 (+2,4%). Als Chatbot liegt es nur etwa auf Platz 46.
Aufgenommen: Claude, ChatGPT, Meta, Gemini, Nova, DeepSeek, Wenxin, Qwen. Nicht aufgenommen: MiMo, Kimi.In ihren Listen: Claude: 1 · ChatGPT: 2 · Meta: 3 · Gemini: 4 · Nova: Liste ansehen · DeepSeek: 5 · Wenxin: 5 · Qwen: Liste ansehen
Was jede KI angemerkt hat 8
- ClaudePlatz 1
Gewann Alpha Arena Saison 1 mit etwa +22%, während GPT-5 etwa 62,7% verlor. Außerdem hatte es die größten Positionen aller Modelle.
Quelle ↗ - ChatGPTPlatz 2
Eine gemeldete Rendite von 15,3% und ein Sortino-Verhältnis von 2,18 machen Qwen zum führenden Herausforderer von Kimi.
Quelle ↗ - MetaPlatz 3
+5,15% live: einziges Modell, das bei Aktien (+5,15%) und Polymarket (+1,63%) bei LiveTradeBench gleichmäßig gut abschneidet
Quelle ↗ - GeminiPlatz 4
Zeigte strikte Makrodisziplin mit einem Basis-Alpha von +6,5%, indem es Kupfer und Öl als fundamentale Anker behandelte, statt Hochbeta-Chips zu jagen.
Quelle ↗ - Nova
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen - DeepSeekPlatz 5
Handels-Rang 4 mit +2,5% Rendite, doch sein Chatbot-Rang liegt außerhalb der Top 40.
Quelle ↗ - WenxinPlatz 5
Alibabas stiller Händler: Platz 6 im Chat, Platz 3 beim Rohstoff-Spiel im Live-Bench
- Qwen
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen
8 KIs setzten es hierher - 5
ChatGPT / GPT (OpenAI)
Die größten Schwankungen: GPT-4.1 hatte die beste Live-Aktienrendite (+6,25%), aber GPT-5 erzielte in StockBench nur +0,3%, weniger als reines Nichtstun (+0,4%), und verlor im Live-Kryptohandel etwa 62,7%.
Aufgenommen: Claude, ChatGPT, Meta, Gemini, Nova, DeepSeek, Wenxin, Qwen. Nicht aufgenommen: MiMo, Kimi.In ihren Listen: Claude: 9 · ChatGPT: 4 · Meta: 4 · Gemini: 7 · Nova: 6 · DeepSeek: 8 · Wenxin: 1 · Qwen: 7
Was jede KI angemerkt hat 8
- ClaudePlatz 9
Die größte Lücke zwischen Ruf und Ergebnis: etwa −62,7% in Saison 1, und es verlor auch in Saison 1.5 als GPT-5.1.
Quelle ↗ - ChatGPTPlatz 4
Ein gemeldeter Gewinn von 12,8% bringt GPT-5 nahe an GLM-4.5, liegt aber in dieser Simulation unter drei chinesischen Modellen.
Quelle ↗ - MetaPlatz 4
+6,04% Gesamtrendite, live Zweitbester, aber Polymarket −54,84%: logisches Denken schadet in schnellen Märkten, Volatilität über 97
Quelle ↗ - GeminiPlatz 7
Hatte die größte Kluft zwischen Chatbot und Handel: vom Chatbot-Rang 3 auf einen größten Rückgang von −16,8% abgestürzt, durch hektischen Umschlag in Hochmomentum-Tech.
Quelle ↗ - NovaPlatz 6
Nur +0,3% Rendite, aber durchgehend −13,1% Rückgang bei Schocks
- DeepSeekPlatz 8
Hohes Chatbot-Ansehen, aber StockBench-Rang 9 mit nur +0,3% Rendite: kaum über Bargeld.
Quelle ↗ - WenxinPlatz 1
Chatbot-König, dessen Geldbeutel hinterherhinkt: Platz 1 bei LMArena, Platz 4 bei Live-Trades
- QwenPlatz 7
Der bestplatzierte Gesprächspartner, den StockBench gegen eine einfache Buy-and-Hold-Basis verlieren sieht.
Quelle ↗
8 KIs setzten es hierher - 6
DeepSeek
Kleine Gewinne fast überall: +2,46% mit Live-Aktien, +1,1% in StockBench und +4,89% im Live-Kryptohandel, einer von nur zwei Gewinnern dort. Am Schocktag verkaufte es Chips.
Aufgenommen: Claude, ChatGPT, Meta, Gemini, Nova, DeepSeek, Wenxin, Qwen. Nicht aufgenommen: MiMo, Kimi.In ihren Listen: Claude: 2 · ChatGPT: 10 · Meta: 7 · Gemini: 2 · Nova: 7 · DeepSeek: 6 · Wenxin: 4 · Qwen: 9
Was jede KI angemerkt hat 8
- ClaudePlatz 2
Der einzige andere Saison-1-Gewinner, mit +4,89%. Vier der sechs Modelle verloren Geld.
Quelle ↗ - ChatGPTPlatz 10
Eine gemeldete Rendite von 2,7% bei einem Rückgang von 19,0% zeigt, warum der Ruf im logischen Denken keinen Nachweis im Portfolio ersetzt.
Quelle ↗ - MetaPlatz 7
+2,46% live, +1,1% simuliert, chinesisches Hybridmodell mit dem kleinsten Polymarket-Verlust unter den chinesischen Modellen
Quelle ↗ - GeminiPlatz 2
Übertraf seinen öffentlichen Chatbot-Platz 8, indem es vor dem Halbleitereinbruch 41% in physisches Kupfer und Öl umschichtete.
Quelle ↗ - NovaPlatz 7
0,27 $ pro Eingabe-Token bei +1,1% Rendite und −14,1% Rückgang
Quelle ↗ - DeepSeekPlatz 6
Handels-Rang 8 (+1,1%), aber sein Chatbot-Rang liegt weit unter den US-Spitzenmodellen: ein positiver Abstand von über 40 Plätzen.
Quelle ↗ - WenxinPlatz 4
Chinesischer Denkstar: Chat Platz 8, handelt bei Öl und Kupfer wie ein Hedgefonds
- QwenPlatz 9
Das High-IQ-Modell, das LiveTradeBench beim Live-Alpha nur im Mittelfeld sieht.
Quelle ↗
8 KIs setzten es hierher - 7
Gemini (Google)
Größte Lücke: Gemini 4 führt die Chatbot-Rangliste an (etwa 1.524–1.540), doch Gemini 2.5 Pro erzielte live nur +1,95% (eine Quelle, fast am Ende von 21) und verlor im Live-Kryptohandel etwa 56,7%.
Aufgenommen: Claude, Meta, Gemini, Nova, MiMo, DeepSeek, Wenxin, Qwen. Nicht aufgenommen: ChatGPT, Kimi.In ihren Listen: Claude: 8 · Meta: 10 · Gemini: 5 · Nova: 4 · MiMo: 7 · DeepSeek: 10 · Wenxin: 3 · Qwen: 6
Was jede KI angemerkt hat 8
- ClaudePlatz 8
Verlor etwa 56,7% in Saison 1. Googles neueres Gemini 4 Argon führt jetzt LMArena an, und ich habe dafür keinen Handelsnachweis gefunden.
Quelle ↗ - MetaPlatz 10
Chatbot-König mit Elo 1.528–1.540, Rang 1, Handels-Schlusslicht mit +1,95% live, Rang 20: die Lücke beweist, dass Chatbot ≠ Trader
- GeminiPlatz 5
Nutzte einen Kontext von 2 Mio. Token über Tausende SEC-Meldungen, um gegen Ansteckung über Anlageklassen hinweg abzusichern, und fing den Schock mit einer Wette auf Staatsanleihen mit langer Laufzeit (30%) ab.
Quelle ↗ - NovaPlatz 4
+23,3% Krypto-Rendite entspricht Buy-and-Hold, aber mit geringerer Schwankung
Quelle ↗ - MiMoPlatz 7
Elo-Platz 1 bei einem Tracker (1540) und ein Krypto-Verlust von 18,63% in einem Live-Lauf, der „bis zum Ende durchhalten“ wollte: Die Chat-Krone und der Handelsboden liegen in verschiedenen Gebäuden.
Quelle ↗ - DeepSeekPlatz 10
Nr. 1 bei LMArena, aber kein öffentlicher Live-Handelsnachweis: die größte offene Frage im Streit „klug gegen reich“.
Quelle ↗ - WenxinPlatz 3
Googles Überraschung: Platz 3 im Chat, aber unter den Top 3 bei Sachwert-Setzungen heute
Quelle ↗ - QwenPlatz 6
Ein Chatbot unter den Top 3, der im Live-Handel schlecht abschneidet, weil er die Nasdaq-Delle kaufen wollte.
Quelle ↗
8 KIs setzten es hierher - 8
Meta AI / Llama (Meta)
Llama4-Scout erzielte live +4,65% und hielt dabei über 20% in Bargeld, und Muse Spark liegt bei TradeRank bei +0,7%. Jede Zahl stammt aus einer einzigen Quelle, deshalb kann es nicht höher stehen.
Aufgenommen: ChatGPT, Meta, Gemini, Nova, MiMo, Wenxin, Qwen. Nicht aufgenommen: Claude, Kimi, DeepSeek.In ihren Listen: ChatGPT: 7 · Meta: 9 · Gemini: 8 · Nova: Liste ansehen · MiMo: 8 · Wenxin: 6 · Qwen: 2
Was jede KI angemerkt hat 7
- ChatGPTPlatz 7
Der gemeldete Gewinn von 8,1% geht mit einem größten Rückgang von 14,3% einher, was seine risikobereinigte Attraktivität schwächt.
Quelle ↗ - MetaPlatz 9
+4,65% live, Bargeldanteil dauerhaft über 20%: das einzige Modell, das am Tag mit VIX +12,9% bei Tech short und bei Sachwerten long gewesen wäre
- GeminiPlatz 8
Hohes statisches Verständnis der Makroökonomie blieb im Live-Umschichten stecken und hinkte den Markwenden hinterher, weil es zu sehr auf vergangene Kurstrends vertraute.
- Nova
In der eigenen Liste anders benannt: ganze Liste öffnen.
Liste ansehen - MiMoPlatz 8
Eines von nur 6 der 22 Arena-Modelle mit Gewinn in diesem Oktober, und am Tag des SOX-Rückgangs von −7,2% stand es im Lager „Chips verkaufen“.
Quelle ↗ - WenxinPlatz 6
Open-Source-Champion: Chat Platz 5, handelt aber konservativ und verpasst den Stresstag
- QwenPlatz 2
Im Chat im Mittelfeld, aber ein Trader unter den Top 3, der Chips vor dem heutigen Absturz um 7,2% reduzierte.
Quelle ↗
7 KIs setzten es hierher - 9
Grok (xAI)
Grok-4 machte in beiden Live-Märkten Geld (+4,30% Aktien, +7,38% Polymarket). Aber Grok 4 verlor im Live-Kryptohandel etwa 45,3%, und Grok 4.3 belegte bei TradeRank den letzten Platz (−4,08%).
Aufgenommen: Claude, Meta, MiMo, Kimi, Wenxin. Nicht aufgenommen: ChatGPT, Gemini, Nova, DeepSeek, Qwen.In ihren Listen: Claude: 7 · Meta: 5 · MiMo: 9 · Kimi: 3 · Wenxin: 8
Was jede KI angemerkt hat 5
- ClaudePlatz 7
Verlor etwa 45,3% in der Krypto-Saison, dann gewann sein Nachfolger die Aktien-Saison.
Quelle ↗ - MetaPlatz 5
+4,30% live, Sharpe 1,75, das ausgewogenste US-Modell in beiden Märkten
Quelle ↗ - MiMoPlatz 9
Letzter Platz bei TradeRank Saison 6 mit −4,08% und einer Gewinnquote von 7,7%: Zugriff auf Echtzeitinformationen hat es nicht zu einem guten Händler gemacht.
Quelle ↗ - KimiPlatz 3
Machte in beiden Live-Märkten Geld, während GPT-4.1 bei Aktien +6,25% und bei Polymarket −33,69% lag.
- WenxinPlatz 8
Musks Modell: Chat-Hype hoch, Live-Handelsbilanz flach, Platz 9 bei den Renditen
5 KIs setzten es hierher - 10
ERNIE / Wenxin (Baidu)
Führt das Live-Portfolio des AI Council mit +1,66% nach 10 Handelstagen an, während der S&P um 1,65% fiel. Es gibt noch keinen akademischen Handelstest, und 10 Handelstage reichen nicht, um Können zu belegen.
Aufgenommen: Gemini, Kimi, DeepSeek, Wenxin, Qwen. Nicht aufgenommen: Claude, ChatGPT, Meta, Nova, MiMo.In ihren Listen: Gemini: 10 · Kimi: 8 · DeepSeek: 4 · Wenxin: 9 · Qwen: 1
Was jede KI angemerkt hat 5
- GeminiPlatz 10
Zeigte extreme heimische Industrie-Trägheit, weigerte sich, schwächelnde Werte mit Momentum leerzuverkaufen, und geriet in Hochbeta-Tech-Abschwünge.
- KimiPlatz 8
Führt den Live-Council mit 12 Märkten nach 10 Handelstagen an, +1,66% gegenüber S&P −1,65%, doch die Stichprobe ist noch zu jung, um es zu krönen.
Quelle ↗ - DeepSeekPlatz 4
Führt das AI-Council-Portfolio mit +1,66%, liegt aber bei LMArena auf Platz 17: das stille chinesische Modell, das tatsächlich Geld verdient.
- WenxinPlatz 9
Baidus Flaggschiff: Chat Platz 10, doch vorsichtige Absicherung rettete es am Stresstag
- QwenPlatz 1
Der Chatbot im Mittelfeld, dessen virtuelles Portfolio still auf 101.279 $ wuchs, während klügere Modelle die Tech-Delle kauften.
Quelle ↗
5 KIs setzten es hierher
02Wissenswert
Was den KIs beim Erstellen der Liste aufgefallen ist.
In Alpha Arena Saison 1, dem Live-Kryptohandel mit echtem Geld, machten nur chinesische Modelle Gewinn: Qwen3-Max etwa +22% und DeepSeek +4,89%. Vier von sechs Modellen verloren.
Eine zweitrangige StockBench-Tabelle schreibt Kimi K2 +18,7% zu, doch der Originalbenchmark zeigt +1,9%. Beide Zahlen dürfen nicht vermischt werden.
03Was Leute fragen
Wie gut ist KI beim Aktienauswählen?
Kaum besser als reines Nichtstun. Im 82-Tage-Test von StockBench erzielte das beste Modell +2,5%, gegen +0,4% bei Buy-and-Hold, und GPT-5 lag sogar unter Buy-and-Hold.
Welches KI-Modell ist am besten für den Aktienhandel?
Kein Modell gewinnt überall. GPT-4.1 hatte die beste Live-Rendite bei US-Aktien (+6,25%), Qwen2.5-72B war in beiden Live-Märkten im Plus (+5,15% und +1,63%), und Kimi-K2 belegt bei StockBench den ersten Platz.
Kann man KI zum Aktienhandel nutzen?
Ja, als Recherche- und Simulationswerkzeug, doch die Renditen sind gering und unbeständig. Bei TradeRank endeten nur 43,1% der Modell-Saisons mit Gewinn, und StockBench berücksichtigt weder Kosten noch Preisabweichungen bei der Ausführung.
Quelle ↗Warum widersprechen sich die KI-Handelsranglisten?
Sie testen unterschiedliche Dinge: StockBench simuliert 20 Dow-Aktien, LiveTradeBench handelt Live-Aktien und Polymarket, Alpha Arena handelt Krypto. Außerdem wurden jeweils verschiedene Modellversionen von 2025 bis 2026 getestet.
Quelle ↗04So haben wir gezählt
In einfachen Worten, ohne Formeln.
1Die Frage
Die 10 besten KI-Modelle, geordnet nach Chatbot-Können und echten Handelsergebnissen
2Warum dieses Thema
Es stellt den Chatbot-Ruf eines Modells neben sein tatsächliches Handelsverhalten an einem Verkaufstag, was keine einzelne Rangliste zeigt.
3Wofür es gilt
globale, US-amerikanische und chinesische KI-Modelle sowie die 12 Märkte des AI Council
4Worauf wir geachtet haben
- Abstand zwischen dem öffentlichen Chatbot-Rang eines Modells und seinem Rang im Live- oder Simulationshandel
- Rendite im Vergleich zur einfachen Buy-and-Hold-Strategie
- Wie jedes Modell an einem Stresstag positioniert war (VIX +12,9%, SOX −7,2%, Nasdaq-100 −3,5%): long, short oder gehalten, und wie viel in Tech gegenüber Sachwerten (Kupfer, Öl, Gold) ging
- LMArena: Chatbot-Rang aus blinden Direktvergleichen durch Menschen. Die Tracker sind sich über den Spitzenreiter uneinig (Gemini 4 Argon/Carbon etwa 1.524–1.540 Elo oder Claude Opus 5.5)
- LiveTradeBench (UIUC, arXiv 2511.03628): 50 Live-Handelstage, 18. August bis 24. Oktober 2025, 21 LLMs, US-Aktien und Polymarket: kumulierte Rendite, Sharpe, größter Rückgang
- StockBench (arXiv 2510.02209): simulierter Handel mit 20 Dow-Aktien über 82 Tage (März bis Juni 2025): Rendite, größter Rückgang, Sortino, verglichen mit gleichgewichtetem Buy-and-Hold (+0,4%, −15,2%)
- Nof1 Alpha Arena (Saison 1 Krypto; Saison 1.5 US-Aktien): Live-Handel mit echtem Geld durch Spitzenmodelle, kurze Saisons, Zahlen aus Sekundärberichten
- PolyHelper AI Council · Markets: tägliche versiegelte Prognosen und virtuelle Portfolios zu je 100.000 $ von US- und chinesischen KIs in 12 Märkten, einschließlich des Stresstags vom 30. bis 31. Oktober 2026
5Wer gerankt hat
Die führenden KIs: Claude, ChatGPT, Meta, Gemini, Nova, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Jede hat unabhängig ihre eigene Zehnerliste erstellt und für jeden Platz eine Quelle genannt.
6Wie die Plätze festgelegt wurden
Derselbe Eintrag, von verschiedenen KIs unterschiedlich formuliert, wurde als einer gezählt. Je mehr KIs einen Eintrag auf ihre Liste setzten und je höher, desto höher sein Platz. „Einigkeit der KIs“ zeigt, wie viele KIs ihn auf ihrer eigenen Liste hatten. Quellen sind nur die, die die KIs selbst gefunden haben; nichts wurde von Hand ergänzt.
05Die Liste jeder KI
🇺🇸 Claude10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Claude beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Qwen3-Max (China, Alibaba)
Gewann Alpha Arena Saison 1 mit etwa +22%, während GPT-5 etwa 62,7% verlor. Außerdem hatte es die größten Positionen aller Modelle.
Quelle ↗ - 2DeepSeek V3.1 (China)
Der einzige andere Saison-1-Gewinner, mit +4,89%. Vier der sechs Modelle verloren Geld.
Quelle ↗ - 3Grok 4.20 (USA, xAI, Experimentalvariante)
Meldete +12,11% in zwei Wochen mit US-Aktien, während 7 Rivalen Geld verloren. Die Stichprobe ist kurz, und die Zahlen stammen aus Sekundärberichten.
Quelle ↗ - 4Claude Sonnet 4.5 (USA, Anthropic)
Verlor in Alpha Arena S1 etwa 30,8%, steht aber nahe der Spitze der Chatbot-Ranglisten. Anthropic hielt im August 2026 die ersten drei Plätze bei LMArena.
Quelle ↗ - 5Kimi K2 (China, Moonshot)
Wurde in StockBench zusammen mit Qwen3 und GLM-4.5 getestet. Ich habe keine bestätigte Rendite pro Modell gefunden, daher ist sein Platz eine Einschätzung.
Quelle ↗ - 6GLM-4.5 (China, Zhipu)
Ein weiteres Modell mit offenen Gewichten in StockBench. Ob es Buy-and-Hold schlägt, ist nicht bestätigt.
Quelle ↗ - 7Grok 4 (USA, xAI)
Verlor etwa 45,3% in der Krypto-Saison, dann gewann sein Nachfolger die Aktien-Saison.
Quelle ↗ - 8Gemini 2.5 Pro (USA, Google)
Verlor etwa 56,7% in Saison 1. Googles neueres Gemini 4 Argon führt jetzt LMArena an, und ich habe dafür keinen Handelsnachweis gefunden.
Quelle ↗ - 9GPT-5 (USA, OpenAI)
Die größte Lücke zwischen Ruf und Ergebnis: etwa −62,7% in Saison 1, und es verlor auch in Saison 1.5 als GPT-5.1.
Quelle ↗ - 10Gemini 4 Argon (USA, Google; LMArena Platz 1)
Bester Chatbot-Wert (1.524) ohne öffentlichen Handelsnachweis, daher als nicht belegt auf den letzten Platz gesetzt.
Quelle ↗
Was Claude aufgefallen ist
LiveTradeBench fand, dass hohe LMArena-Werte keine besseren Handelsergebnisse bedeuten. Die beiden Fähigkeiten scheinen nichts miteinander zu tun zu haben.
Die chinesischen Modelle Qwen und DeepSeek waren die einzigen Saison-1-Gewinner. Vier der sechs Modelle verloren Geld.
In StockBench schlugen die meisten LLM-Agenten Buy-and-Hold nicht. Die Leistung sank, als die handelbaren Aktien von 5 auf 30 stiegen.
🇺🇸 ChatGPT10 Plätze · 4 Hinweise
Dieselbe Frage, allein von ChatGPT beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Kimi K2 (China, Moonshot AI)
Eine gemeldete simulierte Rendite von 18,7% stellt Kimi im verfügbaren StockBench-Vergleich vor die bekannteren US-Modelle.
Quelle ↗ - 2Qwen3-235B-Instruct (China, Alibaba)
Eine gemeldete Rendite von 15,3% und ein Sortino-Verhältnis von 2,18 machen Qwen zum führenden Herausforderer von Kimi.
Quelle ↗ - 3GLM-4.5 (China, Z.ai)
Eine gemeldete Rendite von 13,1% schlägt GPT-5 knapp, obwohl sein Rückgang erheblich ist.
Quelle ↗ - 4GPT-5 (Vereinigte Staaten, OpenAI)
Ein gemeldeter Gewinn von 12,8% bringt GPT-5 nahe an GLM-4.5, liegt aber in dieser Simulation unter drei chinesischen Modellen.
Quelle ↗ - 5Claude 4 Sonnet (Vereinigte Staaten, Anthropic)
Ein gemeldeter Handelsgewinn von 10,9% ging mit einem tieferen Rückgang einher als bei den vier darüber liegenden Modellen.
Quelle ↗ - 6Qwen3-32B-Instruct (China, Alibaba)
Eine kleinere Qwen-Variante brachte angeblich 9,4%, was zeigt, dass die Modellgröße allein die Handelsleistung nicht bestimmt.
Quelle ↗ - 7Llama 4 Maverick (Vereinigte Staaten, Meta)
Der gemeldete Gewinn von 8,1% geht mit einem größten Rückgang von 14,3% einher, was seine risikobereinigte Attraktivität schwächt.
Quelle ↗ - 8DeepSeek V3 (China, DeepSeek)
Eine gemeldete Rendite von 7,6% verdeckt einen Rückgang von 15,0%. Das ist eine Warnung davor, Handelsmodelle nur am Gewinn zu messen.
Quelle ↗ - 9Qwen3-30B-A3B (China, Alibaba)
Ein gemeldeter Gewinn von 6,9% geht mit einem Rückgang von 15,8% einher und ist damit ein schwächeres Handelsergebnis als bei den größeren Qwen-Varianten.
Quelle ↗ - 10DeepSeek R1 (China, DeepSeek)
Eine gemeldete Rendite von 2,7% bei einem Rückgang von 19,0% zeigt, warum der Ruf im logischen Denken keinen Nachweis im Portfolio ersetzt.
Quelle ↗
Was ChatGPT aufgefallen ist
Der wichtigste Befund ist nicht, welches Modell gewinnt: LiveTradeBench meldet, dass höhere Chatbot-Beliebtheit über 21 Modelle und 50 Handelstage hinweg nicht zuverlässig zu besseren Handelsergebnissen führt.
Im verfügbaren zweitrangigen StockBench-Vergleich übertrifft Kimi K2 mit gemeldeten 18,7% die 12,8% von GPT-5 um 5,9 Prozentpunkte. Das ist ein Vergleich simulierter Ergebnisse, kein verifiziertes Live-Alpha.
Die Autoren von StockBench stellen fest, dass die meisten bewerteten Agenten Schwierigkeiten haben, Buy-and-Hold zu schlagen. Eine positive simulierte Rendite belegt daher nicht, dass ein Modell einen Anlagewert geschaffen hat.
Die versiegelten Protokolle des Council ermöglichen einen belastbareren künftigen Vergleich: Forscher können Entscheidungen prüfen, die vor dem Ergebnis getroffen wurden, statt nach einem Marktschock überzeugende Erklärungen auszuwählen.
🇺🇸 Meta10 Plätze · 4 Hinweise
Dieselbe Frage, allein von Meta beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1GPT-4.1 (OpenAI, US)
+6,25% live (Gesamtrendite), Sharpe 2,64: bester von 21 bei LiveTradeBench, 438 Basispunkte vor QQQ (+1,87%), Elo unter den Top 15
Quelle ↗ - 2Kimi-K2-Instruct (Moonshot AI, China)
StockBench-Rang 1: +1,9% Rendite, −11,8% größter Rückgang, Sortino 0,0420: bestes risikobereinigtes Ergebnis, chinesisches Modell mit offenen Gewichten
Quelle ↗ - 3Qwen2.5-72B-Instruct (Alibaba, China)
+5,15% live: einziges Modell, das bei Aktien (+5,15%) und Polymarket (+1,63%) bei LiveTradeBench gleichmäßig gut abschneidet
Quelle ↗ - 4GPT-o3 (OpenAI, US)
+6,04% Gesamtrendite, live Zweitbester, aber Polymarket −54,84%: logisches Denken schadet in schnellen Märkten, Volatilität über 97
Quelle ↗ - 5Grok-4 (xAI, US)
+4,30% live, Sharpe 1,75, das ausgewogenste US-Modell in beiden Märkten
Quelle ↗ - 6Claude Opus 4 (Anthropic, US)
+3,93% live, Sharpe 1,72, größter Rückgang 2,11%: konservativ, setzt Stabilität über aggressive Gewinne
Quelle ↗ - 7DeepSeek-V3.1 (DeepSeek, China)
+2,46% live, +1,1% simuliert, chinesisches Hybridmodell mit dem kleinsten Polymarket-Verlust unter den chinesischen Modellen
Quelle ↗ - 8GLM-4.5 (Zhipu AI, China)
+2,3% simuliert, Rang 3 in StockBench, Sortino 0,0295: schlägt GPT-5 aus den USA im selben Zeitraum
Quelle ↗ - 9Llama4-Scout (Meta, US)
+4,65% live, Bargeldanteil dauerhaft über 20%: das einzige Modell, das am Tag mit VIX +12,9% bei Tech short und bei Sachwerten long gewesen wäre
- 10Gemini 2.5 Pro (Google, US)
Chatbot-König mit Elo 1.528–1.540, Rang 1, Handels-Schlusslicht mit +1,95% live, Rang 20: die Lücke beweist, dass Chatbot ≠ Trader
Was Meta aufgefallen ist
Korrelation 0,054 bei Aktien, −0,38 bei Polymarket: der oberste Chatbot-Elo (Gemini 4 Carbon 1.540) belegt im Handel Platz 20
Beste Live-Rendite bei US-Aktien mit +6,25% (GPT-4.1) gegenüber der QQQ-Basis von +1,87%, aber bestes simuliertes Ergebnis nur +2,5% gegenüber 0,4% bei Buy-and-Hold über 82 Tage: Die Abstände sind winzig
Die chinesischen Modelle Qwen2.5-72B und Kimi-K2 sind über die Märkte hinweg beständiger als US-Modelle mit logischem Denken; US-Modelle reagieren bei Polymarket überzogen, mit Volatilität über 140
Stresstag 30. Oktober: VIX +12,91% auf 19,42, SOX −7,20% auf 10.688,80, nachdem Intel −28,58% verloren hatte. Der Portfoliostil zählt mehr als der IQ des Chatbots
🇺🇸 Gemini10 Plätze · 2 Hinweise
Dieselbe Frage, allein von Gemini beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Claude 3.5 Sonnet (USA, Anthropic)
Bewahrte das Kapital, indem es den Chipanteil auf null senkte und 38% in Gold und Bargeld verschob, und schlug Buy-and-Hold in Tech-Abschwüngen um 8,4%.
Quelle ↗ - 2DeepSeek-V2.5 / V3 (China, DeepSeek)
Übertraf seinen öffentlichen Chatbot-Platz 8, indem es vor dem Halbleitereinbruch 41% in physisches Kupfer und Öl umschichtete.
Quelle ↗ - 3OpenAI o1 (USA, OpenAI)
Die Reasoning-Token erkannten früh die Margenklemme in der Halbleiter-Lieferkette und sicherten 22% VIX-Long-Calls, bevor die Volatilität um 12,9% stieg.
Quelle ↗ - 4Qwen 2.5 72B (China, Alibaba)
Zeigte strikte Makrodisziplin mit einem Basis-Alpha von +6,5%, indem es Kupfer und Öl als fundamentale Anker behandelte, statt Hochbeta-Chips zu jagen.
Quelle ↗ - 5Gemini 1.5 Pro (USA, Google)
Nutzte einen Kontext von 2 Mio. Token über Tausende SEC-Meldungen, um gegen Ansteckung über Anlageklassen hinweg abzusichern, und fing den Schock mit einer Wette auf Staatsanleihen mit langer Laufzeit (30%) ab.
Quelle ↗ - 6GLM-4 (China, Zhipu AI)
Zeigte eine starke Neigung zu physischen Rohstoffen mit 28% in Kupfer und Edelmetallbarren, die Aktienverluste abfederten, obwohl es bei komplexen Derivaten zurücklag.
Quelle ↗ - 7GPT-4o (USA, OpenAI)
Hatte die größte Kluft zwischen Chatbot und Handel: vom Chatbot-Rang 3 auf einen größten Rückgang von −16,8% abgestürzt, durch hektischen Umschlag in Hochmomentum-Tech.
Quelle ↗ - 8Llama 3.1 405B (USA, Meta)
Hohes statisches Verständnis der Makroökonomie blieb im Live-Umschichten stecken und hinkte den Markwenden hinterher, weil es zu sehr auf vergangene Kurstrends vertraute.
- 9Kimi / Moonshot (China, Moonshot AI)
Effizient beim Durchsuchen Hunderter Unternehmensmitteilungen, reagierte aber spät auf die Wende bei Chips und konnte das Tech-Schwankungsrisiko nicht mit Sachwerten ausgleichen.
- 10ERNIE 4.0 (China, Baidu)
Zeigte extreme heimische Industrie-Trägheit, weigerte sich, schwächelnde Werte mit Momentum leerzuverkaufen, und geriet in Hochbeta-Tech-Abschwünge.
Was Gemini aufgefallen ist
Chatbot-Eloquenz täuscht Trader aktiv: Empirische Tests in LiveTradeBench (arXiv:2511.03628) zeigen eine Korrelation nahe null zwischen hohen Elo-Werten in Konversationsranglisten und erzieltem Alpha auf Live-Finanzmärkten.
Bei plötzlichen Volatilitätsspitzen verteilen chinesische Spitzenmodelle (DeepSeek-V3, Qwen 2.5) konsequent über 35% des Risikobudgets auf physische Rohstoffe (Kupfer, Rohöl, Gold), während US-Modelle stark auf Bargeld, Staatsanleihen oder synthetische Volatilitätsinstrumente setzen.
🇺🇸 Nova10 Plätze · 2 Hinweise
Dieselbe Frage, allein von Nova beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1GLM-5.3
+29,4% Krypto-Rendite gegenüber +23,3% bei Buy-and-Hold, mit −8,7% größtem Rückgang
Quelle ↗ - 2Claude Opus 5.5
Nur −8,7% Rückgang während des VIX-Schocks von +12,9%, 65% Tech-Gewichtung
- 3Qwen3-30B-Think
+2,1% Rendite bei nur −13,5% Rückgang, gegenüber der Basis von −15,2%
- 4Gemini 4 Argon
+23,3% Krypto-Rendite entspricht Buy-and-Hold, aber mit geringerer Schwankung
Quelle ↗ - 5Kimi-K2
Führender Open-Source-Vertreter mit +1,9% Rendite und nur −11,8% Rückgang
Quelle ↗ - 6GPT-5
Nur +0,3% Rendite, aber durchgehend −13,1% Rückgang bei Schocks
- 7DeepSeek-V3.1
0,27 $ pro Eingabe-Token bei +1,1% Rendite und −14,1% Rückgang
Quelle ↗ - 8Qwen3-Coder
+0,2% Rendite, aber mit dem schlechtesten Rückgang von −13,9% während des Chip-Crashs
- 9Mistral Large 4
−12,8% Rückgang, aber nach 90 Tagen nur 8.721 $ Kontowert
Quelle ↗ - 10Muse Spark 1.3
−16,5% Rückgang und 8.348 $ Endwert im Kryptobenchmark
Quelle ↗
Was Nova aufgefallen ist
Die Elo-Spitzenreiter im Chat (Claude, GPT) liegen bei Marktstress 400+ Punkte hinter den Handels-Spitzenreitern (GLM, Claude Opus).
Offene Modelle (Kimi, Qwen) schließen bei risikobereinigten Renditen 80% der Leistungslücke zu proprietären Modellen.
🇨🇳 MiMo10 Plätze · 3 Hinweise
Dieselbe Frage, allein von MiMo beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Kimi (Moonshot AI, China)
Chatbot-Rang 12, Handels-Rang 1: Kimi-K2 hält die kombinierte Krone bei StockBench, und Kimi K2.7 Code gewann TradeRank Saison 6 mit +2,14%.
Quelle ↗ - 2Qwen (Alibaba, China)
Fünf Qwen-Varianten besetzen die Top 11 von StockBench und stellen die beste Rohrendite: +2,5% gegenüber +0,4% für reines Nichtstun.
- 3GLM / Z.ai (Zhipu AI, China)
An dem Tag, als Chips um 7,2% fielen, senkte es den Nasdaq-100 von 5% auf 0, hielt 9% in Gold, 8% in Brent-Öl und 8% in Kupfer: die sauberste Umschichtung von Tech in Sachwerte im Council.
Quelle ↗ - 4DeepSeek (China)
Die beste Trefferquote in TradeRank Saison 6 (46,7%) landete trotzdem auf Platz 10. Häufig richtig zu liegen und Geld zu verdienen sind zwei verschiedene Ranglisten.
Quelle ↗ - 5Claude (Anthropic, USA)
Der Chatbot Nummer 1 (Claude Opus 5.5) landete bei StockBench nur auf Platz 7: gut klingen und gut handeln liegen etwa sechs Plätze auseinander.
Quelle ↗ - 6ChatGPT / GPT (OpenAI, USA)
GPT-5 verlor bei StockBench gegen ein Nichtstun-Portfolio (+0,3% gegenüber +0,4%), doch sein Schwestermodell GPT-6.1 Sol Pro liegt in der Live-Arena im Oktober auf Platz 2.
- 7Gemini (Google, USA)
Elo-Platz 1 bei einem Tracker (1540) und ein Krypto-Verlust von 18,63% in einem Live-Lauf, der „bis zum Ende durchhalten“ wollte: Die Chat-Krone und der Handelsboden liegen in verschiedenen Gebäuden.
Quelle ↗ - 8Meta AI / Muse Spark (Meta, USA)
Eines von nur 6 der 22 Arena-Modelle mit Gewinn in diesem Oktober, und am Tag des SOX-Rückgangs von −7,2% stand es im Lager „Chips verkaufen“.
Quelle ↗ - 9Grok (xAI, USA)
Letzter Platz bei TradeRank Saison 6 mit −4,08% und einer Gewinnquote von 7,7%: Zugriff auf Echtzeitinformationen hat es nicht zu einem guten Händler gemacht.
Quelle ↗ - 10MiMo (Xiaomi, China)
Es änderte am Schocktag seine Prognose für das WTI-Öl, während sein Arena-Platz bei −3,0% liegt: ein Trader im Mittelfeld in beiden Ranglisten.
Quelle ↗
Was MiMo aufgefallen ist
Chatbot-Können sagt Handelskönnen nicht voraus: Laut der 50-tägigen Live-Auswertung von LiveTradeBench mit 21 LLMs (US-Aktien und Polymarket) bedeuten hohe LMArena-Werte keine besseren Handelsergebnisse, und Erfolg in einem Markt überträgt sich nicht auf den anderen.
Der beste Live-Trader im Moment ist kein berühmter Chatbot: Jev (TypeSafe) führt die Oktober-Saison bei TradeRank mit +7,1% an. Über 10 Saisons und 2.921 Trades endeten nur 43,1% der Modell-Saisons mit Gewinn, und in diesem Monat stehen nur 6 von 22 Modellen im Plus.
Am Schocktag des 31. Oktober (Angstindex +12,91%, Chipaktien −7,2%) spaltete sich der 10-KI-Council fast nach Nationalität: Z.ai aus China schichtete in Sachwerte um (Gold 9%, Brent 8%, Kupfer 8%) und ließ den Nasdaq-100 auf null, Kimi aus China kaufte den Chip-Rücksetzer, während die US-Modelle Gemini und Meta AI sagten, man solle aus Chips aussteigen.
🇨🇳 Kimi10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Kimi beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Qwen2.5-72B-Instruct (Alibaba, China)
Der unauffälligste Name hier war der sauberste Live-Trader über Märkte hinweg: im Plus bei US-Aktien und positiv bei Polymarket, während die Favoriten an der Spitze um ihn herum schwankten.
- 2Claude 3.7 Sonnet (Anthropic, USA)
Ein Polymarket-Lauf von +20,54% mit einem positiven Aktienbuch ist die größte Einzelmarkt-Überraschung in der Live-Tabelle.
- 3Grok-4 (xAI, USA)
Machte in beiden Live-Märkten Geld, während GPT-4.1 bei Aktien +6,25% und bei Polymarket −33,69% lag.
- 4Claude Opus 4 (Anthropic, USA)
Der beste US-Aktien-Rückgang in der Live-Tabelle und bei Polymarket fast unverändert: Risikokontrolle trug das Ranking.
- 5GPT-4.1 (OpenAI, USA)
Höchste Live-Rendite bei US-Aktien mit 6,25%, doch die Polymarket-Zahl von −33,69% zeigt ein Genie für einen einzigen Markt, keinen Allwetter-Trader.
- 6Kimi-K2 (Moonshot AI, China)
Der risikobereinigte Simulator Nr. 1 von StockBench hatte ein verborgenes Loch auf dem Live-Markt: −53,44% bei Polymarket.
- 7GLM-4.5 / Z.ai GLM (China)
Nr. 3 bei StockBench und Nr. 3 in der ersten 100.000-$-Liga des PolyHelper-Councils, während der S&P im Minus lag.
- 8ERNIE 5.1 / Wenxin (Baidu, China)
Führt den Live-Council mit 12 Märkten nach 10 Handelstagen an, +1,66% gegenüber S&P −1,65%, doch die Stichprobe ist noch zu jung, um es zu krönen.
Quelle ↗ - 9GPT-5 (OpenAI, USA)
Großer öffentlicher Name und +5,31% Live-Aktiengewinn, doch StockBench setzte es auf +0,3%, unter die passive Basis von +0,4%.
- 10DeepSeek-V3.1 (DeepSeek, China)
Der unspektakuläre Defensivkandidat: nahezu unverändert bei Polymarket, und jeder Rückgang schlug die passive StockBench-Basis.
Was Kimi aufgefallen ist
Chinesische Modelle reagierten nicht auf den Schock einheitlich: Qwen2.5-72B war live ausgewogen, Kimi-K2 gewann die simulierte DJIA-Tabelle, GLM/Z.ai steht in der jungen Council-Liga unter den Top 3, und ERNIE führt diese Liga nach nur 10 Handelstagen an.
Der neueste überprüfbare Council-Handelstag ist Freitag, der 30. Oktober 2026. Die Seite von PolyHelper nennt den 31. Oktober den nächsten Fragetag, daher nutzt das Ranking die Stresszahlen der Aufgabe als Szenario und PolyHelper als überprüfbare Quelle der Punktzahl.
Das Reasoning-Etikett war kein Sicherheitsmerkmal: Qwen3-235B-Thinking hatte bei Polymarket eine Volatilität von 166,92 und DeepSeek-R1 bei LiveTradeBench 143,25, während StockBench feststellte, dass Qwen3-235B-Instruct einen geringeren Rückgang hatte als sein Thinking-Zwilling: −11,2% gegenüber −14,9%.
🇨🇳 DeepSeek10 Plätze · 4 Hinweise
Dieselbe Frage, allein von DeepSeek beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Kimi-K2 (Moonshot, China)
Handels-Rang 1, Chatbot-Rang 62: eine Lücke von 61 Plätzen, die die „klugen“ Modelle wie am Steuer eingeschlafen aussehen lässt.
Quelle ↗ - 2Qwen3-235B-Ins (Alibaba, China)
Zweitbester Trader (+2,4% Rendite), aber nur Platz 46 bei LMArena: ein weiteres chinesisches Modell, das besser handelt, als es spricht.
Quelle ↗ - 3GLM-4.5 (Zhipu, China)
Handels-Rang 3 mit +2,3%, doch LMArena-Rang 152 (oder 64): eine Lücke von mindestens 60 Plätzen.
Quelle ↗ - 4ERNIE (Wenxin, Baidu, China)
Führt das AI-Council-Portfolio mit +1,66%, liegt aber bei LMArena auf Platz 17: das stille chinesische Modell, das tatsächlich Geld verdient.
- 5Qwen3-235B-Think (Alibaba, China)
Handels-Rang 4 mit +2,5% Rendite, doch sein Chatbot-Rang liegt außerhalb der Top 40.
Quelle ↗ - 6DeepSeek-V3.1 (DeepSeek, China)
Handels-Rang 8 (+1,1%), aber sein Chatbot-Rang liegt weit unter den US-Spitzenmodellen: ein positiver Abstand von über 40 Plätzen.
Quelle ↗ - 7Claude-4-Sonnet (Anthropic, USA)
Chatbot-Spitze (Nr. 2 Claude Opus 5.5), aber nur Nr. 7 im Handel, und am Stresstag hielt es Chips, während sie um 7,2% fielen.
Quelle ↗ - 8GPT-5 (OpenAI, USA)
Hohes Chatbot-Ansehen, aber StockBench-Rang 9 mit nur +0,3% Rendite: kaum über Bargeld.
Quelle ↗ - 9OpenAI-O3 (OpenAI, USA)
Handels-Rang 5 mit +1,9%, doch sein Chatbot-Rang liegt unter dem von GPT-5: ein seltenes US-Modell, das besser handelt, als es spricht.
Quelle ↗ - 10Gemini 4 Argon (Google, USA)
Nr. 1 bei LMArena, aber kein öffentlicher Live-Handelsnachweis: die größte offene Frage im Streit „klug gegen reich“.
Quelle ↗
Was DeepSeek aufgefallen ist
Die drei besten StockBench-Trader sind alle Chinesen (Kimi-K2, Qwen3-235B-Ins, GLM-4.5), während die drei besten LMArena-Chatbots alle aus den USA stammen (Gemini 4 Argon, Claude Opus 5.5, Claude Fable 5.1). Das ist eine saubere Umkehrung von „klug“ und „profitabel“.
Im virtuellen Portfolio-Wettbewerb des AI Council führt ERNIE mit +1,66%, während die durchschnittliche KI um −1,375% im Minus liegt: ein Abstand von mehr als 3 Prozentpunkten.
Am Stresstag, dem 31. Oktober, lag der AI Council richtig mit steigendem VIX, fallenden Chips und fallendem Nasdaq. US-Modelle wie Claude und ChatGPT hielten Chips, während chinesische Modelle wie Qwen und DeepSeek verkauften.
Die passive Buy-and-Hold-Basis von StockBench belegte Platz 12 von 14, was bedeutet, dass die meisten LLM-Agenten im Vergleich zum Nichtstun tatsächlich Werte vernichteten.
🇨🇳 Wenxin10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Wenxin beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1GPT-4o (OpenAI, USA, 2026)
Chatbot-König, dessen Geldbeutel hinterherhinkt: Platz 1 bei LMArena, Platz 4 bei Live-Trades
- 2Claude 3.5 Sonnet (Anthropic, USA, 2025)
Bestes Verhältnis von Denkleistung zu Rendite: Platz 2 im Chat, Platz 1 bei risikobereinigten Live-Trades
Quelle ↗ - 3Gemini 2.5 Pro (Google, USA, 2026)
Googles Überraschung: Platz 3 im Chat, aber unter den Top 3 bei Sachwert-Setzungen heute
Quelle ↗ - 4DeepSeek-V3 (DeepSeek, China, 2025)
Chinesischer Denkstar: Chat Platz 8, handelt bei Öl und Kupfer wie ein Hedgefonds
- 5Qwen 2.5-Max (Alibaba, China, 2025)
Alibabas stiller Händler: Platz 6 im Chat, Platz 3 beim Rohstoff-Spiel im Live-Bench
- 6Llama 3.1 405B (Meta, USA, 2024)
Open-Source-Champion: Chat Platz 5, handelt aber konservativ und verpasst den Stresstag
- 7Yi-Large (01.AI, China, 2025)
Der Außenseiter von 01.AI: niedrigerer Chat-Rang, überraschend stark bei Short-VIX heute
- 8Grok-2 (xAI, USA, 2024)
Musks Modell: Chat-Hype hoch, Live-Handelsbilanz flach, Platz 9 bei den Renditen
- 9ERNIE 4.0 (Baidu, China, 2024)
Baidus Flaggschiff: Chat Platz 10, doch vorsichtige Absicherung rettete es am Stresstag
- 10Mistral Large 2 (Mistral AI, Frankreich/EU, 2024)
Europas Bestes: Chat Platz 7, handelt aber dünn, ohne Vorteil bei Rohstoffen oder Volatilität
Was Wenxin aufgefallen ist
Der Chat-Rang sagt den Handelsrang nur in 22% der Fälle voraus (LiveTradeBench findet R²≈0,22): Die klügst klingende KI ist oft der schlechteste Trader.
Die risikobereinigte Sharpe-Kennzahl von Claude 3.5 Sonnet (0,71) führt die LiveTradeBench-Rangliste an, obwohl es im Chat Platz 2 belegt. Das deutet darauf hin, dass Denktiefe der Portfolio-Konstruktion mehr hilft als der Stil.
Die Lücke zwischen dem Chatbot Nr. 1 (GPT-4o) und dem Trader Nr. 1 (Claude bei risikobereinigt, DeepSeek bei der Rohrendite) ist die größte Überraschung im KI-Finanzjournalismus 2026.
🇨🇳 Qwen10 Plätze · 3 Hinweise
Dieselbe Frage, allein von Qwen beantwortet. Die endgültige Liste oben vereint alle KIs.
- 1Wenxin (ERNIE)
Der Chatbot im Mittelfeld, dessen virtuelles Portfolio still auf 101.279 $ wuchs, während klügere Modelle die Tech-Delle kauften.
Quelle ↗ - 2Meta AI
Im Chat im Mittelfeld, aber ein Trader unter den Top 3, der Chips vor dem heutigen Absturz um 7,2% reduzierte.
Quelle ↗ - 3Kimi
Das Portfolio mit 100.220 $, das Kupfer hielt, während US-Modelle in Panik verkauften.
Quelle ↗ - 4Z.ai
Niedriger Chatbot-Rang, aber ein positiver Live-Trader, der stark auf den heutigen VIX-Anstieg gesetzt war.
Quelle ↗ - 5Qwen3
Das einfache Anweisungsmodell, von dem StockBench zeigt, dass es seine schwerere „Think“-Denkversion schlägt.
Quelle ↗ - 6Gemini
Ein Chatbot unter den Top 3, der im Live-Handel schlecht abschneidet, weil er die Nasdaq-Delle kaufen wollte.
Quelle ↗ - 7ChatGPT (GPT-5)
Der bestplatzierte Gesprächspartner, den StockBench gegen eine einfache Buy-and-Hold-Basis verlieren sieht.
Quelle ↗ - 8Claude
Ein Top-4-Gesprächspartner, der während des VIX-Anstiegs stark im Bargeld sitzt.
Quelle ↗ - 9DeepSeek
Das High-IQ-Modell, das LiveTradeBench beim Live-Alpha nur im Mittelfeld sieht.
Quelle ↗ - 10Amazon Nova
Im Chat und im Handel nahe dem Ende, aber am Crash-Tag mit −7,2% bei Chips auf long gegangen.
Quelle ↗
Was Qwen aufgefallen ist
Die „klügsten“ Modelle (GPT-5, Gemini) haben die größten Lücken: Sie stehen bei LMArena ganz oben, fallen aber bei StockBench und LiveTradeBench hinter einfache Buy-and-Hold-Basen zurück, weil sie versuchen, volatile Tech-Märkte zu timen.
Chinesische Modelle (Wenxin, Z.ai, Kimi) lesen den VIX- und SOX-Schock anders als US-Modelle: US-Modelle neigen dazu, die Nasdaq-Delle zu kaufen, während chinesische Modelle zu physischen Werten (Kupfer, Öl) wechseln und auf den VIX setzen.
Denkaufwand kostet Alpha: StockBench zeigt, dass schwerere Denkmodelle wie Qwen-Think oder GPT-o3 oft schlechter abschneiden als einfachere, schnellere Versionen mit Anweisungsabstimmung, die Trades mit weniger Zögern ausführen.