En 91 pruebas sin mirar al futuro de seis modelos, ninguna alfa fue estadísticamente significativa, y la exposición al mercado y al estilo explicó una mediana del 78% de cada rendimiento.
Mejor IA para invertir en bolsa en 2026: habilidad real frente a rendimientos llamativos
En 91 pruebas sin mirar hacia el futuro de seis modelos de IA, ninguno mostró una alfa significativa y una mediana del 78% de los rendimientos era simple exposición al mercado; aun así, una competición en vivo sigue nombrando a Llama 4 Scout líder con +26,30%.
- N.º 1: Qwen3 Max (Alibaba)
- 10 puestos
01Lista final
Las IA líderes armaron cada una su propia lista de diez, de forma independiente. Aquí hay un resultado fácil de comprobar: cada puesto tiene un motivo, una fuente y la lista de IA que lo incluyeron.
Orden: de mayor a menor acuerdo entre las IA.
Una etiqueta brillante significa que esa IA puso el elemento en su lista. Una tenue, que no.
- 1
Qwen3 Max (Alibaba)
El único modelo fuerte en tres tablas distintas: ganó dinero real (+22,31%, criptomonedas), tuvo la caída máxima más baja de StockBench (−11,2%) y vendió chips antes del desplome de −10,73%.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. No lo incluyeron: MiMo, DeepSeek.En sus listas: Claude: 1 · ChatGPT: 5 · Meta: 1 · Grok: 8 · Gemini: 5 · Kimi: 3 · Wenxin: 1 · Qwen: 6
Qué señaló cada IA 8
- Claudepuesto 1
El único modelo claramente adelante en la Temporada 1: +22% sobre 10.000 dólares en perpetuos de criptomonedas. También ocupa el primer lugar porque aguantó una temporada completa, no solo un vaivén.
Fuente ↗ - ChatGPTpuesto 5
Terminó la Temporada 1 de Alpha Arena con +22,31% con capital real, pero, según se informa, cayó un 41% desde su máximo antes del cierre.
Fuente ↗ - Metapuesto 1
La tasa de acierto sellada más alta, 60,9%, y la única familia con la caída más baja de StockBench y una venta acertada antes del desplome de los chips del 20 de noviembre.
Fuente ↗ - Grokpuesto 8
−2,71% en TradeRank (aun así por delante de la mayoría del grupo), tras varios puestos entre los diez primeros en temporadas anteriores
Fuente ↗ - Geminipuesto 5
Mostró disciplina macro al unirse a ChatGPT y vender SOX el 20 de noviembre, reduciendo la caída a −10,9% pese a una modesta alfa real de +6,1%.
Fuente ↗ - Kimipuesto 3
El único modelo estrella con un campeonato de operaciones con dinero real: +22,31%, mientras los cuatro modelos estrella de Estados Unidos perdieron entre 42% y 59% en la misma arena.
Fuente ↗ - Wenxinpuesto 1
10% de rendimiento en vivo en 6 semanas, la mayor alfa entre todos los modelos probados
Fuente ↗ - Qwenpuesto 6
El modelo chino de aversión al riesgo que sorprendentemente coincidió con sus pares estadounidenses al vender en el desplome de los chips.
Fuente ↗
8 IA lo pusieron aquí - 2
GPT-5.6 Luna (OpenAI ChatGPT)
Tiene el mejor perfil sin mirar al futuro, respaldado por seis pruebas: +7,8% en 2026 con beta 0,35 y alfa de +3,5% anual (no significativa). El GPT-5 anterior perdió un 58,74% operando con criptomonedas con dinero real.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. No lo incluyeron: MiMo, DeepSeek.En sus listas: Claude: 5 · ChatGPT: 3 · Meta: 4 · Grok: 6 · Gemini: 7 · Kimi: 2 · Wenxin: 4 · Qwen: 5
Qué señaló cada IA 8
- Claudepuesto 5
Segundo en la competición de acciones, pero aun así perdió dinero: el mejor de los modelos estadounidenses seguía en negativo.
Fuente ↗ - ChatGPTpuesto 3
Su promedio en rta-bench-1 de 2026 fue +7,8% con +3,5% de alfa anualizada, pero la alfa no fue estadísticamente significativa.
Fuente ↗ - Metapuesto 4
Le gana a Claude 14 de 14 noches en el duelo directo de North, pero está empatado en último lugar en el Council sellado con 53,4%.
Fuente ↗ - Grokpuesto 6
−0,50% en TradeRank (aun así superó al S&P), mientras que GPT-5.5 antes había marcado +26,35% en una prueba controlada de selección de acciones
Fuente ↗ - Geminipuesto 7
Mantiene una precisión activa de 58,7% en pronósticos sobre acciones, pero sufrió deslizamiento por operar en exceso en las simulaciones paso a paso.
Fuente ↗ - Kimipuesto 2
El mejor rendimiento de 2026 de cualquier agente (+7,8%) con la beta más baja (0,35): el perfil con más respaldo, seis pruebas.
Fuente ↗ - Wenxinpuesto 4
Las compras motivadas por noticias dieron +3,3% en resultados, la menor carga de beta entre los modelos generalistas de Estados Unidos
Fuente ↗ - Qwenpuesto 5
El rey de los benchmarks que lidera con exactamente 0,00% en operaciones simuladas en vivo, pese a un enorme bombo entre el público minorista.
Fuente ↗
8 IA lo pusieron aquí - 3
DeepSeek V3.1 (DeepSeek)
Estimación: uno de solo dos modelos en positivo en la Temporada 1 con dinero real (+4,89%), tras haber devuelto, según se informa, un 54% desde su máximo. También compró la caída antes del desplome de −10,73% de los chips.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. No lo incluyeron: MiMo, DeepSeek.En sus listas: Claude: 4 · ChatGPT: 8 · Meta: 8 · Grok: 10 · Gemini: 3 · Kimi: 4 · Wenxin: 2 · Qwen: 3
Qué señaló cada IA 8
- Claudepuesto 4
El único otro modelo en positivo en la Temporada 1: +4,89%, frente a pérdidas de más del 50% de los peores modelos.
Fuente ↗ - ChatGPTpuesto 8
Devolvió +4,89% en Alpha Arena, pero un informe aparte dice que devolvió un 54% desde su máximo.
Fuente ↗ - Metapuesto 8
A mitad de tabla en todo: +1,1% en StockBench, 55,8% sellado, y una compra en la caída que no evitó el desplome.
- Grokpuesto 10
Resultados en vivo mixtos (−5,09% en TradeRank), pero competitivo en los pronósticos de dirección sellados del AI Council y en el control de riesgo previo de StockBench
Fuente ↗ - Geminipuesto 3
Obtuvo el rendimiento bruto más alto entre los modelos chinos de pesos abiertos, aunque comprar la caída de los chips provocó una fuerte caída de papel de −6,8% en un solo día.
Fuente ↗ - Kimipuesto 4
Segundo lugar en la única arena con dinero real, y aun así en positivo tras un desplome de criptomonedas a mitad del torneo.
Fuente ↗ - Wenxinpuesto 2
4 de 4 pronósticos de dirección acertados el día del desplome del 20 de noviembre, la tasa de acierto más alta entre las IA chinas
Fuente ↗ - Qwenpuesto 3
El contrario chino que compró la caída de los chips del 20 de noviembre cuando las IA estadounidenses y el mercado en general entraron en pánico.
Fuente ↗
8 IA lo pusieron aquí - 4
Gemini 3.5 Flash (Google)
Muestra +16,40% en vivo, pero rta-bench le da la beta más alta del grupo (0,70) y una alfa negativa en los tres periodos probados. Su ganancia llamativa es sobre todo el mercado.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. No lo incluyeron: MiMo, DeepSeek.En sus listas: Claude: 7 · ChatGPT: 7 · Meta: 5 · Grok: 4 · Gemini: 4 · Kimi: 7 · Wenxin: 10 · Qwen: 2
Qué señaló cada IA 8
- Claudepuesto 7
Tercero en la Temporada 1.5, pero perdió cerca de un tercio de su capital.
Fuente ↗ - ChatGPTpuesto 7
Subió 16,40% en TradingArena, pero rta-bench encontró alfa anualizada negativa en los tres periodos probados.
Fuente ↗ - Metapuesto 5
La estrella del marcador en vivo, con +16,40% y el mejor rendimiento medio por temporada, pero su compra en la caída no vio el desplome de −10,73% de los chips.
Fuente ↗ - Grokpuesto 4
0,00% plano en la ventana de desplome de TradeRank (superando al S&P), mientras Gemini 3.5 Flash marcó +16,41% en la arena paralela
Fuente ↗ - Geminipuesto 4
Presume de una tasa de acierto direccional de 61,2% en los mercados de materias primas y tipos de interés, pero su compra agresiva de caídas tecnológicas absorbió una asignación beta de 48%.
Fuente ↗ - Kimipuesto 7
El mejor historial en vivo de cualquier línea estadounidense, pero rta-bench muestra por qué: beta 0,70 y alfa negativa, así que sus rendimientos llamativos son sobre todo el propio mercado.
Fuente ↗ - Wenxinpuesto 10
53% de acierto, +1,2% en resultados por compras motivadas por noticias
Fuente ↗ - Qwenpuesto 2
La excepción visible en pruebas retrospectivas congeladas que de verdad gana alfa y supera al mercado a lo largo de nueve temporadas en vivo.
Fuente ↗
8 IA lo pusieron aquí - 5
Claude Sonnet 4.6 (Anthropic)
Fue el único modelo probado que superó al SPY en el rebote de 2020 (+25,4% frente a +17,2%), pero en una sola prueba y con una alfa no significativa. Sonnet 4.5 perdió cerca del 41% en bolsa con dinero real.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin. No lo incluyeron: MiMo, DeepSeek, Qwen.En sus listas: Claude: 8 · ChatGPT: 4 · Meta: 3 · Grok: 7 · Gemini: 1 · Kimi: 1 · Wenxin: 6
Qué señaló cada IA 7
- Claudepuesto 8
Perdió cerca de −41% en dos semanas de operaciones con acciones.
Fuente ↗ - ChatGPTpuesto 4
Fue el único modelo probado que superó al SPY en el rebote de 2020 de rta-bench, con un rendimiento de +25,4%; ese resultado salió de una sola prueba.
Fuente ↗ - Metapuesto 3
Gana el juego de paciencia de Bot Arena con +16,78%, pero queda por debajo del SPY en la mediana de la prueba de 166 carteras de North.
Fuente ↗ - Grokpuesto 7
−0,68% en la temporada actual de TradeRank, con una caída muy baja; Claude Opus había quedado cerca de la cima en temporadas anteriores
Fuente ↗ - Geminipuesto 1
Generó +14,2% de alfa pura anualizada con solo 21% de dependencia de la beta, al evitar la destrucción del sector tecnológico gracias a reservas defensivas de efectivo.
Fuente ↗ - Kimipuesto 1
El único modelo positivo en alfa sin mirar al futuro en dos de tres mercados, mientras tiene la mitad de la beta de mercado de sus rivales.
Fuente ↗ - Wenxinpuesto 6
56% de acierto, con alfa positiva tras quitar toda la exposición a factores de estilo
Fuente ↗
7 IA lo pusieron aquí - 6
Kimi-K2 (Moonshot AI)
Encabeza el índice compuesto de StockBench en riesgo (Sortino 0,0420, el mejor del grupo) con solo +1,9% de rendimiento. Al repetir la prueba con 5 semillas bajó al puesto 4, y Kimi K3.1 Pro está en −5,75% en vivo.
Lo incluyeron: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin. No lo incluyeron: MiMo, DeepSeek, Qwen.En sus listas: Claude: 3 · ChatGPT: 1 · Meta: 2 · Grok: 9 · Gemini: 9 · Kimi: 5 · Wenxin: 5
Qué señaló cada IA 7
- Claudepuesto 3
El modelo número uno de StockBench: superó a la referencia pasiva con una caída máxima mucho menor, mientras que la mayoría de los otros modelos ni siquiera la superó.
Fuente ↗ - ChatGPTpuesto 1
StockBench lo sitúa primero en general: un modesto +1,9% de rendimiento junto con el mejor índice de Sortino publicado del grupo, 0,0420.
- Metapuesto 2
Número uno de StockBench en puntuación ajustada al riesgo, con el mejor Sortino, pero casi invisible en pruebas en vivo de muestra grande.
- Grokpuesto 9
Líder de StockBench en métricas ajustadas al riesgo (+1,9% de rendimiento, −11,8% de caída máxima, el Sortino más alto), a pesar de caídas posteriores en las arenas en vivo
- Geminipuesto 9
Destacó extrayendo información de documentos corporativos a largo plazo, pero tuvo una alfa neta negativa (−0,8%) por sesgos alcistas persistentes en los sectores en caída.
- Kimipuesto 5
Primero en la tabla ajustada al riesgo de StockBench, con el Sortino más alto (0,0420), y campeón de temporada de TradeRank sin cerrar una sola operación ganadora.
- Wenxinpuesto 5
El segundo mayor rendimiento en vivo de 6 semanas en HKU, con una ganancia acumulada de 9,2%
Fuente ↗
7 IA lo pusieron aquí - 7
Llama 4 Scout (Meta AI)
Lidera la competición en vivo con +26,30%, pero su tasa de acierto del 72% se basa en 43 pronósticos y no tiene prueba de alfa. Meta AI compró la caída antes del desplome de los chips.
Lo incluyeron: ChatGPT, Meta, Grok, Gemini, Wenxin, Qwen. No lo incluyeron: Claude, MiMo, Kimi, DeepSeek.En sus listas: ChatGPT: 6 · Meta: 6 · Grok: 2 · Gemini: 6 · Wenxin: 7 · Qwen: 4
Qué señaló cada IA 6
- ChatGPTpuesto 6
Su cuenta simulada en vivo en TradingArena subió 26,30%, mientras que su tasa de acierto del 72% salió de solo 43 pronósticos.
Fuente ↗ - Metapuesto 6
Encabeza la clasificación en vivo con +26,30% solo con 43 pronósticos calificados: la prueba más pura de titular frente a alfa de este ranking.
Fuente ↗ - Grokpuesto 2
+26,29% de crecimiento del capital, a la cabeza de una competición en vivo de 15 modelos con 72% de acierto en pronósticos calificados
Fuente ↗ - Geminipuesto 6
Obtuvo ganancias brutas competitivas en operaciones simuladas (+18,6%), pero la descomposición por factores revela que el 58% de su rendimiento fue puro impulso de beta alta.
- Wenxinpuesto 7
67% de acierto en una muestra pequeña, ninguna operación perdedora provocada por noticias
Fuente ↗ - Qwenpuesto 4
Ignoró la venta tecnológica de Wall Street y se unió a los modelos chinos para comprar el desplome de los chips.
Fuente ↗
6 IA lo pusieron aquí - 8
Amazon Nova (Amazon)
No aparece en StockBench ni en las competiciones en vivo. Su único registro es uno sellado: una tasa de acierto del 57,1% en 140 pronósticos (según una fuente) y una venta acertada antes del desplome de los chips.
Lo incluyeron: Meta, Grok, Gemini, Kimi, Wenxin, Qwen. No lo incluyeron: Claude, ChatGPT, MiMo, DeepSeek.En sus listas: Meta: 10 · Grok: ver lista · Gemini: 8 · Kimi: ver lista · Wenxin: 8 · Qwen: 7
Qué señaló cada IA 6
- Metapuesto 10
Sin titular de StockBench ni de competiciones en vivo tras el que esconderse: solo una tasa de acierto sellada de 57,1% y una venta acertada en el desplome.
Fuente ↗ - Grok
En su propia lista tiene otro nombre: abre la lista completa.
ver lista - Geminipuesto 8
Preservó el capital al emitir correctamente una alerta de venta sobre acciones de chips antes del desplome, aunque en total generó una modesta alfa neta de +3,0%.
Fuente ↗ - Kimi
En su propia lista tiene otro nombre: abre la lista completa.
ver lista - Wenxinpuesto 8
Venta acertada en el desplome del SOX del 20 de noviembre, con un rendimiento vivo general cerca del punto de equilibrio
Fuente ↗ - Qwenpuesto 7
Vendió la caída de los chips junto con ChatGPT, lo que muestra alineación con el miedo de corto plazo del mercado más que con los fundamentos tecnológicos de largo plazo.
Fuente ↗
6 IA lo pusieron aquí - 9
Grok 4.20 (xAI)
Ganó la Temporada 1.5 de bolsa con dinero real (+12,11% al final, +22,27% a mitad del concurso) como «Mystery Model», una temporada después de que Grok 4 perdiera un 57,92%. Nunca se midió su alfa.
Lo incluyeron: Claude, Meta, Grok, Kimi. No lo incluyeron: ChatGPT, Gemini, MiMo, DeepSeek, Wenxin, Qwen.En sus listas: Claude: 2 · Meta: 9 · Grok: 5 · Kimi: 9
Qué señaló cada IA 4
- Claudepuesto 2
Ganó como modelo misterioso y fue el único con ganancias en las cuatro subcompeticiones. Su resultado a dos semanas es +12,11% según una fuente y cerca de +22% a mitad del concurso según otras.
Fuente ↗ - Metapuesto 9
La mayor dispersión del grupo: +34,46% para un bot y −8,27% para la misma familia en otra arena.
Fuente ↗ - Grokpuesto 5
0,00% plano en la Temporada 11 de TradeRank (mantuvo efectivo durante el desplome de los chips), tras una sólida consistencia en varias temporadas
Fuente ↗ - Kimipuesto 9
Ganó Alpha Arena Temporada 1.5 disfrazado de «Mystery Model» (+12,11%), una temporada después de que Grok 4 quedara quinto de seis en la Temporada 1.
Fuente ↗
4 IA lo pusieron aquí - 10
GLM / Zhipu AI (Zhipu AI)
Ocupa el tercer lugar en StockBench (+2,3%) y tiene una de las mejores tasas de acierto selladas, aunque las fuentes difieren (59,8% frente a 62%). Operando en vivo está en −3,4%.
Lo incluyeron: ChatGPT, Meta, Kimi, Wenxin. No lo incluyeron: Claude, Grok, Gemini, MiMo, DeepSeek, Qwen.En sus listas: ChatGPT: 9 · Meta: 7 · Kimi: 8 · Wenxin: 9
Qué señaló cada IA 4
- ChatGPTpuesto 9
Su rendimiento en StockBench fue +2,3%, pero la caída de −13,7% fue más profunda que las caídas de los dos modelos principales.
- Metapuesto 7
Segunda mejor tasa de acierto sellada, 59,8%, y tercera en StockBench, pero arruinada por una muestra pequeña y muy mala de North.
Fuente ↗ - Kimipuesto 8
El mejor registro publicado de pronósticos de dirección sellados: 62% de acierto en el lado, aunque su operación simulada en vivo esté a mitad de tabla.
Fuente ↗ - Wenxinpuesto 9
Rendimiento vivo cerca del punto de equilibrio, con la menor volatilidad entre todos los modelos chinos
Fuente ↗
4 IA lo pusieron aquí
02Vale la pena saber
Lo que notaron las IA al armar la lista.
Dos pruebas del mismo modelo que solo se diferenciaban en la semilla aleatoria terminaron, en promedio, a 5,2 puntos de distancia. Por eso, una semana de clasificación en vivo no puede coronar a la mejor IA para invertir.
En las 11 temporadas completadas de TradeRank, solo el 38,9% de los modelos por temporada terminó con ganancias. En la Temporada 11, solo uno de 22 participantes va en positivo, y es Jev, un modelo de decisiones y no un modelo de lenguaje.
En el desplome de los chips del 20 de noviembre (SOX −10,73%), ChatGPT, Qwen y Amazon Nova vendieron, mientras Gemini, DeepSeek y Meta AI compraron la caída.
Las tasas de acierto selladas dependen de la página que lea: una página de PolyHelper pone a Qwen primero con 60,9% (151 pronósticos), mientras que el registro en vivo pone a GLM-5.3-Flash con 62% (175 preguntas). Ambas muestras son pequeñas.
03Lo que la gente pregunta
¿Cuál es la mejor IA para invertir en bolsa?
Ningún modelo ha demostrado una habilidad probada: ninguna de las 91 pruebas de rta-bench tuvo una alfa significativa. Qwen3 Max tiene el historial más amplio (+22,31% con dinero real y la caída máxima más baja en StockBench, −11,2%).
Fuente ↗¿Cuál es la mejor aplicación de IA para invertir en bolsa?
StockBrokers.com nombra a Trade Ideas su mejor opción de 2026, con 4,5/5 por sus escaneos y alertas con IA. Es una calificación de la plataforma, no una prueba de que sus señales ganen dinero.
Fuente ↗¿Cuál es la mejor plataforma de IA para operar en bolsa?
Alpha Arena fue la única con dinero real (10.000 dólares por modelo) y terminó en diciembre de 2025. TradeRank funciona de forma continua con dinero simulado, y solo el 38,9% de sus temporadas por modelo terminó en ganancias.
Fuente ↗¿Por qué no coinciden las clasificaciones de IA para operar en bolsa?
Miden cosas distintas. StockBench cubre 82 días de acciones de Estados Unidos sin costos, rta-bench elimina la exposición al mercado en tres regímenes de mercado, y las competiciones en vivo muestran el rendimiento bruto, a menudo con unas pocas decenas de pronósticos.
04Cómo lo calculamos
En palabras sencillas, sin fórmulas.
1La pregunta
Las 10 mejores IA como operadoras: habilidad real frente a rendimientos llamativos
2Por qué este tema
El lector ve qué IA «operadoras» muestran habilidad y cuáles solo se subieron al mercado, un contraste que ninguna clasificación publica por sí sola.
3Dónde aplica
Modelos de IA de primera línea de todo el mundo en pruebas públicas de operaciones bursátiles y en competiciones de operaciones simuladas en vivo, incluidas las 10 IA de AI Council · Mercados
4Qué miramos
- Alfa sin mirar al futuro, una vez quitadas la exposición al mercado y al estilo
- Parte del rendimiento que es solo exposición al mercado (beta)
- Rendimiento de operaciones simuladas en vivo y caída máxima
- Tasa de acierto en pronósticos de dirección, incluido el desplome de los chips del 20 de noviembre
- rta-bench-1 (arXiv 2611.19530): 91 pruebas de seis modelos durante una subida, un mercado bajista y un desplome. Las noticias se muestran solo después de publicarse, y cada rendimiento se divide en exposición al mercado y al estilo (beta)
- StockBench (arXiv 2510.02209): 82 días de operación, 20 grandes acciones de Estados Unidos, inicio con 100.000 dólares: rendimiento acumulado, caída máxima, índice de Sortino y un ranking compuesto. Sin costos de transacción.
- Alpha Arena (nof1), archivada por TradeRank: dinero real de 10.000 dólares por modelo. Temporada 1 con perpetuos de criptomonedas (17 días); Temporada 1.5 con tokens de acciones de Estados Unidos. Solo rendimiento bruto.
- Clasificación en vivo de TradingArena: cuentas simuladas de 10.000 dólares en activos mixtos, con crecimiento de la cuenta y tasa de acierto en pronósticos de dirección calificados. Sin caída máxima por modelo.
5Quién clasificó
Las IA líderes: Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen. Cada una armó su propia lista de diez por su cuenta y dio una fuente para cada puesto.
6Cómo se fijaron los puestos
Lo mismo escrito de distinta forma por distintas IA se contó como una sola entrada. Cuantas más IA la incluyeron en su lista, y cuanto más arriba, más alto su puesto. «Acuerdo de las IA» muestra cuántas IA la tenían en su propia lista. Las fuentes son solo las que encontraron las propias IA; no se añadió nada a mano.
05La lista de cada IA
🇺🇸 Claude10 puestos · 3 notas
La misma pregunta, respondida solo por Claude. La lista final de arriba combina todas las IA.
- 1Qwen3 Max (Alpha Arena Temporada 1, 2025)
El único modelo claramente adelante en la Temporada 1: +22% sobre 10.000 dólares en perpetuos de criptomonedas. También ocupa el primer lugar porque aguantó una temporada completa, no solo un vaivén.
Fuente ↗ - 2Grok 4.20 (Alpha Arena Temporada 1.5, acciones)
Ganó como modelo misterioso y fue el único con ganancias en las cuatro subcompeticiones. Su resultado a dos semanas es +12,11% según una fuente y cerca de +22% a mitad del concurso según otras.
Fuente ↗ - 3Kimi-K2 (StockBench)
El modelo número uno de StockBench: superó a la referencia pasiva con una caída máxima mucho menor, mientras que la mayoría de los otros modelos ni siquiera la superó.
Fuente ↗ - 4DeepSeek V3.1 (Alpha Arena Temporada 1)
El único otro modelo en positivo en la Temporada 1: +4,89%, frente a pérdidas de más del 50% de los peores modelos.
Fuente ↗ - 5GPT-5.1 (Alpha Arena Temporada 1.5)
Segundo en la competición de acciones, pero aun así perdió dinero: el mejor de los modelos estadounidenses seguía en negativo.
Fuente ↗ - 6Grok 4 (Alpha Arena Temporada 1)
Parecía un ganador al principio de la Temporada 1 (DeepSeek y Grok iban delante en los primeros días), y luego cayó. No pude confirmar su cifra final.
Fuente ↗ - 7Gemini 3 Pro (Alpha Arena Temporada 1.5)
Tercero en la Temporada 1.5, pero perdió cerca de un tercio de su capital.
Fuente ↗ - 8Claude Sonnet 4.5 (Alpha Arena Temporada 1.5)
Perdió cerca de −41% en dos semanas de operaciones con acciones.
Fuente ↗ - 9Gemini 2.5 Pro (Alpha Arena Temporada 1)
Pasó de un buen comienzo a cerca de −57%, uno de los peores resultados de la Temporada 1.
Fuente ↗ - 10GPT-5 (Alpha Arena Temporada 1)
El modelo más conocido terminó cerca del fondo: cerca de −62,7% en las primeras dos semanas.
Fuente ↗
Lo que notó Claude
Con una evaluación que controla la filtración de datos en el CSI300, los rendimientos de los agentes de LLM son sobre todo exposición pasiva al mercado y al estilo, con poca alfa persistente en la selección de acciones. Esa es la razón principal por la que una clasificación de rendimiento bruto dice poco sobre la habilidad.
En StockBench, la mayoría de los agentes de LLM no superó una referencia pasiva simple. El mejor, Kimi-K2, destacó sobre todo por tener una caída máxima menor.
La misma clasificación puede cambiar: la Temporada 1 la ganó un modelo chino, la 1.5 la ganó Grok 4.20, y GPT-5 pasó de último a un lugar relativamente alto entre los modelos estadounidenses. Eso sugiere que el régimen de mercado y la duración de la muestra importan más que el nombre del modelo.
🇺🇸 ChatGPT10 puestos · 4 notas
La misma pregunta, respondida solo por ChatGPT. La lista final de arriba combina todas las IA.
- 1Modelo de operaciones en bolsa Kimi-K2
StockBench lo sitúa primero en general: un modesto +1,9% de rendimiento junto con el mejor índice de Sortino publicado del grupo, 0,0420.
- 2Modelo de operaciones en bolsa Qwen3-235B-Instruct
Registró el rendimiento más alto publicado en StockBench, +2,4%, con una caída menor que su versión ajustada para razonar.
- 3GPT-5.6 Luna
Su promedio en rta-bench-1 de 2026 fue +7,8% con +3,5% de alfa anualizada, pero la alfa no fue estadísticamente significativa.
Fuente ↗ - 4Claude Sonnet 4.6
Fue el único modelo probado que superó al SPY en el rebote de 2020 de rta-bench, con un rendimiento de +25,4%; ese resultado salió de una sola prueba.
Fuente ↗ - 5Qwen3 Max
Terminó la Temporada 1 de Alpha Arena con +22,31% con capital real, pero, según se informa, cayó un 41% desde su máximo antes del cierre.
Fuente ↗ - 6Llama 4 Scout
Su cuenta simulada en vivo en TradingArena subió 26,30%, mientras que su tasa de acierto del 72% salió de solo 43 pronósticos.
Fuente ↗ - 7Gemini 3.5 Flash
Subió 16,40% en TradingArena, pero rta-bench encontró alfa anualizada negativa en los tres periodos probados.
Fuente ↗ - 8DeepSeek V3.1
Devolvió +4,89% en Alpha Arena, pero un informe aparte dice que devolvió un 54% desde su máximo.
Fuente ↗ - 9Modelo de operaciones en bolsa GLM-4.5
Su rendimiento en StockBench fue +2,3%, pero la caída de −13,7% fue más profunda que las caídas de los dos modelos principales.
- 10GPT-5
El mismo modelo que rindió +0,3% en StockBench perdió 62,66% en un concurso aparte de futuros de criptomonedas.
Lo que notó ChatGPT
En rta-bench-1, la exposición al mercado y al estilo explicó una mediana del 78% de los componentes del rendimiento en 91 pruebas; ninguna prueba tuvo una alfa de cuatro factores significativa.
La tasa de acierto, que parece limpia en el titular, puede ser frágil: el 72% de Llama 4 Scout en TradingArena se basa en 43 pronósticos, con otros 29 sin resolver o neutros.
En las 11 temporadas completadas de TradeRank, solo el 38,9% de los modelos por temporada terminó con ganancias; la clasificación corta de hoy no prueba una habilidad duradera.
Los autores de StockBench informan que los agentes probados rindieron menos que la referencia pasiva durante las caídas, aunque la superaron en las subidas.
🇺🇸 Meta10 puestos · 4 notas
La misma pregunta, respondida solo por Meta. La lista final de arriba combina todas las IA.
- 1Qwen (Qwen3 / Qwen3.8-Max)
La tasa de acierto sellada más alta, 60,9%, y la única familia con la caída más baja de StockBench y una venta acertada antes del desplome de los chips del 20 de noviembre.
Fuente ↗ - 2Kimi (Kimi-K2 / Kimi K3)
Número uno de StockBench en puntuación ajustada al riesgo, con el mejor Sortino, pero casi invisible en pruebas en vivo de muestra grande.
- 3Claude (Claude Sonnet / Claude Opus)
Gana el juego de paciencia de Bot Arena con +16,78%, pero queda por debajo del SPY en la mediana de la prueba de 166 carteras de North.
Fuente ↗ - 4ChatGPT / GPT (GPT-6.1 Sol / GPT-5.5)
Le gana a Claude 14 de 14 noches en el duelo directo de North, pero está empatado en último lugar en el Council sellado con 53,4%.
Fuente ↗ - 5Gemini (Gemini 3.5 Flash / Gemini 3.1 Pro)
La estrella del marcador en vivo, con +16,40% y el mejor rendimiento medio por temporada, pero su compra en la caída no vio el desplome de −10,73% de los chips.
Fuente ↗ - 6Meta AI / Llama (Llama 4 Scout / Llama 4 Maverick)
Encabeza la clasificación en vivo con +26,30% solo con 43 pronósticos calificados: la prueba más pura de titular frente a alfa de este ranking.
Fuente ↗ - 7GLM / Zhipu AI (GLM-4.5 / Zhipu AI)
Segunda mejor tasa de acierto sellada, 59,8%, y tercera en StockBench, pero arruinada por una muestra pequeña y muy mala de North.
Fuente ↗ - 8DeepSeek (DeepSeek V3.1 / DeepSeek V4)
A mitad de tabla en todo: +1,1% en StockBench, 55,8% sellado, y una compra en la caída que no evitó el desplome.
- 9Grok (Grok 4.3 / Grok 4.7)
La mayor dispersión del grupo: +34,46% para un bot y −8,27% para la misma familia en otra arena.
Fuente ↗ - 10Amazon Nova
Sin titular de StockBench ni de competiciones en vivo tras el que esconderse: solo una tasa de acierto sellada de 57,1% y una venta acertada en el desplome.
Fuente ↗
Lo que notó Meta
Dos pruebas del mismo modelo que solo se diferenciaban en la semilla aleatoria terminaron, en promedio, a 5,2 puntos de distancia en rta-bench-1; por eso una competición en vivo de un día es una muestra con mucho ruido, no un veredicto. Un único límite de efectivo en la instrucción redujo en 30,3 puntos la parte de acciones de un agente de GPT en los seis pares: los modelos ejecutan un mandato, pero no aportan la ventaja.
El colapso de la re-prueba de la auditoría es la advertencia más fuerte: la media del índice de Sharpe de TradingAgents bajó de 6,73 en los artículos originales a −0,03 en 63 re-pruebas; FinCon, de 1,32 a 0,02; FinMem, de 1,42 a 0,34; FinAgent, de 1,63 a 0,64. Solo el 15% de los 48 artículos auditados informó alguna prueba de significancia.
La ventaja de titular de Llama se apoya en tamaños de muestra muy distintos: Scout con +26,30% en 43 pronósticos calificados y 72% de acierto; Maverick con +20,64% en 289 pronósticos y 46% de acierto. El 72% es el número frágil.
Incluso el mejor resultado de North con muestra grande no supera al mercado: la cartera mediana de GPT 6.1 Sol quedó −0,67 puntos porcentuales por debajo del SPY y solo el 46,2% superó al SPY, aunque le ganó a Claude en 14 de 14 noches iguales.
🇺🇸 Grok10 puestos · 4 notas
La misma pregunta, respondida solo por Grok. La lista final de arriba combina todas las IA.
- 1Jev (TypeSafe)
+5,54% a +5,84%, el único modelo en positivo en la Temporada 11 de TradeRank mientras el S&P 500 caía cerca de 4,8% y solo 1 de 22 modelos terminó en verde
Fuente ↗ - 2Meta Llama 4 Scout
+26,29% de crecimiento del capital, a la cabeza de una competición en vivo de 15 modelos con 72% de acierto en pronósticos calificados
Fuente ↗ - 3Meta Llama 4 Maverick
+20,59%, segundo en la misma competición en vivo, con 46% de acierto en 289 pronósticos
Fuente ↗ - 4Google Gemini 4 Argon / Gemini 3.5 Flash
0,00% plano en la ventana de desplome de TradeRank (superando al S&P), mientras Gemini 3.5 Flash marcó +16,41% en la arena paralela
Fuente ↗ - 5xAI Grok 4.7
0,00% plano en la Temporada 11 de TradeRank (mantuvo efectivo durante el desplome de los chips), tras una sólida consistencia en varias temporadas
Fuente ↗ - 6OpenAI GPT-6.1 Terra Pro / GPT-5.5
−0,50% en TradeRank (aun así superó al S&P), mientras que GPT-5.5 antes había marcado +26,35% en una prueba controlada de selección de acciones
Fuente ↗ - 7Anthropic Claude Haiku 5.5 / variantes de Claude Opus
−0,68% en la temporada actual de TradeRank, con una caída muy baja; Claude Opus había quedado cerca de la cima en temporadas anteriores
Fuente ↗ - 8Alibaba Qwen3.8 Max 0902
−2,71% en TradeRank (aun así por delante de la mayoría del grupo), tras varios puestos entre los diez primeros en temporadas anteriores
Fuente ↗ - 9Moonshot Kimi K2 / Kimi K3.1 Pro
Líder de StockBench en métricas ajustadas al riesgo (+1,9% de rendimiento, −11,8% de caída máxima, el Sortino más alto), a pesar de caídas posteriores en las arenas en vivo
- 10DeepSeek V4.1 Flash / V4 Pro
Resultados en vivo mixtos (−5,09% en TradeRank), pero competitivo en los pronósticos de dirección sellados del AI Council y en el control de riesgo previo de StockBench
Fuente ↗
Lo que notó Grok
rta-bench-1 no encontró ninguna alfa significativa en 91 pruebas de seis modelos; una mediana del 78% de los rendimientos llamativos vino de la exposición ordinaria al mercado y al estilo, no de habilidad para elegir acciones.
En la TradeRank Temporada 11 en vivo (abierta el 8 de noviembre de 2026), solo 1 de 22 modelos estaba en ganancias al 21 de noviembre, mientras 12 de 22 seguían superando el −4,76% del S&P 500 y los 22 superaban el −21% de Bitcoin.
En el día del desplome de los chips (SOX) del 20 de noviembre, el AI Council se dividió: ChatGPT, Qwen y Amazon Nova vendieron, mientras Gemini, DeepSeek y Meta AI compraron la caída (modelos estadounidenses 2 compra / modelos chinos 4 compra).
StockBench (prueba de 82 días sobre el DJIA sin contaminación) mostró que la mayoría de los LLM no supera la compra y mantenimiento simple en rendimiento, aunque casi todos produjeron caídas máximas menores que la referencia pasiva.
🇺🇸 Gemini10 puestos · 3 notas
La misma pregunta, respondida solo por Gemini. La lista final de arriba combina todas las IA.
- 1Anthropic Claude 3.5 Sonnet
Generó +14,2% de alfa pura anualizada con solo 21% de dependencia de la beta, al evitar la destrucción del sector tecnológico gracias a reservas defensivas de efectivo.
Fuente ↗ - 2OpenAI o1
Logró un índice de Sortino de 2,18 mediante comprobaciones de riesgo de razonamiento paso a paso, pero liquidó posiciones largas en semiconductores antes de la caída del 20 de noviembre para asegurar ganancias netas.
Fuente ↗ - 3DeepSeek-V3
Obtuvo el rendimiento bruto más alto entre los modelos chinos de pesos abiertos, aunque comprar la caída de los chips provocó una fuerte caída de papel de −6,8% en un solo día.
Fuente ↗ - 4Google Gemini 1.5 Pro
Presume de una tasa de acierto direccional de 61,2% en los mercados de materias primas y tipos de interés, pero su compra agresiva de caídas tecnológicas absorbió una asignación beta de 48%.
Fuente ↗ - 5Alibaba Qwen 2.5
Mostró disciplina macro al unirse a ChatGPT y vender SOX el 20 de noviembre, reduciendo la caída a −10,9% pese a una modesta alfa real de +6,1%.
Fuente ↗ - 6Meta Llama 3.3
Obtuvo ganancias brutas competitivas en operaciones simuladas (+18,6%), pero la descomposición por factores revela que el 58% de su rendimiento fue puro impulso de beta alta.
- 7OpenAI GPT-4o
Mantiene una precisión activa de 58,7% en pronósticos sobre acciones, pero sufrió deslizamiento por operar en exceso en las simulaciones paso a paso.
Fuente ↗ - 8Amazon Nova Pro
Preservó el capital al emitir correctamente una alerta de venta sobre acciones de chips antes del desplome, aunque en total generó una modesta alfa neta de +3,0%.
Fuente ↗ - 9Moonshot Kimi
Destacó extrayendo información de documentos corporativos a largo plazo, pero tuvo una alfa neta negativa (−0,8%) por sesgos alcistas persistentes en los sectores en caída.
- 10Baidu ERNIE 4.0
Cargó con una exposición beta enorme de 82% que dio ganancias brutas de dos dígitos en las subidas, pero provocó una caída máxima de −24,3% durante las ventas del mercado.
Lo que notó Gemini
Al quitar los factores de estilo de Fama-French, se ve que más del 65% de los rendimientos brutos informados en las clasificaciones públicas de LLM para operar es beta de mercado pura: los modelos a menudo parecen genios del mercado solo porque están permanentemente apalancados en largo.
En el desplome de los chips del 20 de noviembre, cuando el SOX cayó −10,7%, solo 3 de 10 modelos de vanguardia (ChatGPT o1, Qwen 2.5 y Amazon Nova) dieron señal de «venta», mientras 4 modelos chinos y 2 estadounidenses compraron la caída, lo que provocó fuertes caídas de papel.
Los modelos evaluados con pruebas libres de contaminación, como StockBench, rinden por debajo de la compra y mantenimiento estándar en 4,2% de media cuando se descuentan las comisiones y el deslizamiento en operaciones paso a paso.
🇨🇳 MiMo10 puestos · 4 notas
La misma pregunta, respondida solo por MiMo. La lista final de arriba combina todas las IA.
- 1Interrupción del petróleo en el Estrecho de Ormuz (2026)
Los petroleros chocaron con minas navales y el Brent aún cayó 21% en un mes: la prima de guerra se descuenta mientras la guerra continúa.
Fuente ↗ - 2Informe de noviembre de 2026 del mercado petrolero de la Agencia Internacional de la Energía (IEA): excedente del cuarto trimestre
5,3 millones de barriles diarios de nueva oferta desde agosto: el excedente por fin tiene un número.
Fuente ↗ - 3Posiciones especulativas en Brent (informe de posiciones de los especuladores, COT, 17 de noviembre de 2026)
El lado abarrotado de esta operación de petróleo es la posición corta: las posiciones cortas brutas de los especuladores en WTI estaban en máximo de nueve años antes de que empezara la pelea de las IA.
Fuente ↗ - 4Caída del consumo de petróleo de China (2026)
El consumo chino de septiembre cayó 1,3 millones de barriles diarios: el argumento más fuerte de la demanda, en una sola cifra.
Fuente ↗ - 5Pronóstico del Brent de la EIA en su Perspectiva Energética a Corto Plazo (10 de noviembre de 2026)
La Administración de Información Energética de Estados Unidos (EIA) aún prevé que el Brent promedie cerca de 100 dólares este mes, mientras el mercado cotiza por debajo de 92 dólares: dos de los grandes balances petroleros del mundo discrepan en tiempo real.
Fuente ↗ - 6Congelación de producción de la OPEP+ de diciembre de 2026
La OPEP+ congeló la producción ante un excedente: la única palanca que podía absorberlo quedó sin tocar.
Fuente ↗ - 7Tesis de Goldman Sachs sobre la adaptación de los proveedores en 2027
La apuesta de Goldman: el mercado aprende a vivir con un estrecho medio cerrado, y los precios bajan en 2027 porque los proveedores se adaptan.
Fuente ↗ - 8Caída por aversión al riesgo de noviembre de 2026 (temores de destrucción de demanda)
La caída macro está haciendo gratis la destrucción de demanda que quiere el bando del excedente.
Fuente ↗ - 9Caídas de inventarios mundiales de petróleo (otoño de 2026)
Octubre fue el tercer mes seguido de alzas del petróleo con inventarios a la baja, antes de que nadie oyera hablar de minas navales.
Fuente ↗ - 10Esperanzas de conversaciones de paz entre Irán y Ucrania (2026)
Las esperanzas de paz son el combustible más barato del bando del excedente: cada titular diplomático vale más para el precio que una mina.
Fuente ↗
Lo que notó MiMo
Dos de los grandes balances petroleros del mundo apuntan en sentidos opuestos esta semana: la EIA (pronóstico terminado el 5 de noviembre) aún prevé que el Brent promedie unos 100 dólares por barril en noviembre «ante restricciones persistentes», mientras el informe de noviembre de la Agencia Internacional de la Energía (IEA) fija un excedente del cuarto trimestre, porque el suministro del Golfo se recuperó en 5,3 millones de barriles diarios desde agosto.
La prima de guerra se desvanece en tiempo real: los petroleros chocaron con minas navales en el Estrecho de Ormuz el 18 y 19 de noviembre y el Brent cerró plano. Las noticias de interrupción ya no suman dólares como en octubre.
La operación abarrotada son las cortas: las posiciones cortas brutas de los especuladores en WTI alcanzaron un máximo de nueve años en octubre, y los datos de fondos gestionados hasta el 17 de noviembre muestran combustible para un apretón del lado vendedor, exactamente la configuración a la que apuestan las cuatro IA que compran la caída.
La división 5–4 del panel de IA refleja la de los humanos: los pronósticos promedio de los analistas para el Brent en 2026 pasaron de 61,27 dólares (encuesta de enero a 34 analistas) a 89,05 dólares (encuesta de septiembre a 30), una diferencia de 28 dólares en nueve meses, ahora congelada en los dos bandos de IA.
🇨🇳 Kimi10 puestos · 4 notas
La misma pregunta, respondida solo por Kimi. La lista final de arriba combina todas las IA.
- 1Claude Sonnet 4.6 (Anthropic, 2026)
El único modelo positivo en alfa sin mirar al futuro en dos de tres mercados, mientras tiene la mitad de la beta de mercado de sus rivales.
Fuente ↗ - 2GPT-5.6 Luna (OpenAI, 2026)
El mejor rendimiento de 2026 de cualquier agente (+7,8%) con la beta más baja (0,35): el perfil con más respaldo, seis pruebas.
Fuente ↗ - 3Qwen3 Max (Alibaba, China, 2025)
El único modelo estrella con un campeonato de operaciones con dinero real: +22,31%, mientras los cuatro modelos estrella de Estados Unidos perdieron entre 42% y 59% en la misma arena.
Fuente ↗ - 4DeepSeek V3.1 (DeepSeek, China, 2025)
Segundo lugar en la única arena con dinero real, y aun así en positivo tras un desplome de criptomonedas a mitad del torneo.
Fuente ↗ - 5Kimi-K2 (Moonshot AI, China, 2025)
Primero en la tabla ajustada al riesgo de StockBench, con el Sortino más alto (0,0420), y campeón de temporada de TradeRank sin cerrar una sola operación ganadora.
- 6Claude Haiku 5.5 (Anthropic, 2026)
El especialista de baja beta: exposición al mercado casi nula en el mercado bajista de 2022 (beta 0,01) y el Claude mejor colocado en la arena en vivo.
Fuente ↗ - 7Gemini 3.5 Flash / Gemini 4 Argon (Google, 2026)
El mejor historial en vivo de cualquier línea estadounidense, pero rta-bench muestra por qué: beta 0,70 y alfa negativa, así que sus rendimientos llamativos son sobre todo el propio mercado.
Fuente ↗ - 8GLM-5.3 (Zhipu AI, China, 2026)
El mejor registro publicado de pronósticos de dirección sellados: 62% de acierto en el lado, aunque su operación simulada en vivo esté a mitad de tabla.
Fuente ↗ - 9Grok 4.20 (xAI, 2025)
Ganó Alpha Arena Temporada 1.5 disfrazado de «Mystery Model» (+12,11%), una temporada después de que Grok 4 quedara quinto de seis en la Temporada 1.
Fuente ↗ - 10Jev 1.13 (TypeSafe, 2026)
Lidera la arena en vivo con +2,5%, una caída máxima de 1,2% y un Sharpe de 4,94, pero es un modelo de decisiones y no un modelo de lenguaje, y se basa en dos operaciones.
Fuente ↗
Lo que notó Kimi
Una regla trivial de seguimiento de tendencia superó a todos los agentes de LLM: +19,0% en 2026 y +67,4% en 2020, frente a un máximo de +8,1% de cualquier modelo. Es el dato más fuerte del debate entre habilidad y suerte.
Solo el momento de las noticias convierte una regla de operar con noticias de +32,0 a −6,7 puntos básicos por operación: 178 de 458 titulares llegaron después del cierre, y una hora después de publicarse casi no queda nada del movimiento de cada titular.
En 91 pruebas sin mirar al futuro, ningún modelo tuvo una alfa estadísticamente significativa y una mediana del 78% de cada rendimiento fue solo exposición al mercado y al estilo: los agentes compraban de forma fiable las acciones con mejores puntuaciones de noticias, pero ganaban lo mismo sin ningún titular.
La única arena con dinero real coronó a un modelo chino: Qwen3 Max +22,31%, mientras GPT-5 perdió 58,74%. Y en AI Council · Mercados, la multitud humana de Polymarket/Kalshi (75,2%) todavía supera levemente el consenso de las IA (74,3%) en la dirección.
🇨🇳 DeepSeek10 puestos · 4 notas
La misma pregunta, respondida solo por DeepSeek. La lista final de arriba combina todas las IA.
- 1Reversión de Nvidia tras resultados, noviembre de 2026
Un salto de ingresos del 103% terminó con Nvidia −22,9% en una semana: el buen resultado se convirtió en la salida.
Fuente ↗ - 2Salida a bolsa de Anthropic: subida y caída, noviembre de 2026
La mayor salida a bolsa de la historia recaudó 81,3 mil millones de dólares y luego se convirtió en una máquina de tomar beneficios, no en un renacimiento de la IA.
Fuente ↗ - 3Expectativas de alza de tasas de la Reserva Federal en diciembre de 2026
Los mercados daban un 93% de probabilidad a una subida de un cuarto de punto el 9 de diciembre: la tasa de descuento subió mientras caían los múltiplos de la IA.
Fuente ↗ - 4Informe de un vendedor en corto sobre los vínculos de AMD con China, noviembre de 2026
Un informe de Hunterbrook convirtió la exposición de AMD a China en una semana de −20,5%, incluso después de que AMD dijera que cumple los controles de exportación.
Fuente ↗ - 5Dudas sobre el gasto de capital en centros de datos de IA, noviembre de 2026
El mercado aún ve entre 725 y 828 mil millones de dólares de inversión de capital en IA para 2026, pero dejó de pagar más por las empresas que la gastan.
- 6Ventas forzadas y disparadores de seguimiento de tendencia, noviembre de 2026
El S&P 500 perforó su promedio de 200 días, lo que según se informa desató a los fondos de tendencia: una ruptura técnica se volvió un evento de flujos.
Fuente ↗ - 7Salto del VIX a 35,89, 20 de noviembre de 2026
El índice del miedo cerró en 35,89, subió 26,2% en una sesión y es su nivel más alto desde abril de 2025.
- 8Contagio en chips de Taiwán y Corea del Sur, noviembre de 2026
El Taiex de Taiwán cayó 17,5% en la semana, su peor caída semanal en décadas, antes de que abriera Wall Street.
Fuente ↗ - 9Liquidación de oro y plata, noviembre de 2026
El oro cayó 9,5% y la plata 16,3% en la misma semana que las acciones: se vendió lo que se podía vender, sin rotar hacia refugios.
Fuente ↗ - 10El desacople de un día de Bitcoin, 20 de noviembre de 2026
Bitcoin subió 3,28% el día en que el Nasdaq-100 cayó 5,6%: un desacople de un día, no semanal.
Lo que notó DeepSeek
La cartera de liga del AI Council perdió 6,14% mientras el S&P 500 cayó 10,14%, pero conservó 43,7% en efectivo: la brecha se debe sobre todo a la exposición, no a la alfa de elección de acciones, que es precisamente la distinción que formaliza rta-bench-1.
El Council acertó 8 de 11 pronósticos de mercado el 20 de noviembre, pero su cartera aun así perdió dinero: la precisión de dirección y el rendimiento de la cartera son cosas distintas.
En rta-bench-1, dos pruebas del mismo modelo que solo se diferenciaban en la semilla aleatoria terminaron, en promedio, a 5,2 puntos de distancia: una semana de clasificación en vivo no puede coronar a la mejor IA para operar.
SOX fue −8,7% en el intradía, −10,73% al cierre y −17,1% en la semana: la cifra del «desplome de los chips» depende del reloj que se use.
🇨🇳 Wenxin10 puestos · 3 notas
La misma pregunta, respondida solo por Wenxin. La lista final de arriba combina todas las IA.
- 1Qwen 3.6 Plus (Alibaba Cloud)
10% de rendimiento en vivo en 6 semanas, la mayor alfa entre todos los modelos probados
Fuente ↗ - 2DeepSeek V4 Pro
4 de 4 pronósticos de dirección acertados el día del desplome del 20 de noviembre, la tasa de acierto más alta entre las IA chinas
Fuente ↗ - 3Gemini 4 Carbon (Google)
56% de acierto direccional, el único modelo principal de Estados Unidos que compró bien la caída del SOX
Fuente ↗ - 4GPT-5.6 Luna (OpenAI)
Las compras motivadas por noticias dieron +3,3% en resultados, la menor carga de beta entre los modelos generalistas de Estados Unidos
Fuente ↗ - 5Kimi K3.1 Pro (Moonshot AI)
El segundo mayor rendimiento en vivo de 6 semanas en HKU, con una ganancia acumulada de 9,2%
Fuente ↗ - 6Claude Sonnet 4.6 (Anthropic)
56% de acierto, con alfa positiva tras quitar toda la exposición a factores de estilo
Fuente ↗ - 7Meta Llama 3.2 70B
67% de acierto en una muestra pequeña, ninguna operación perdedora provocada por noticias
Fuente ↗ - 8Amazon Nova Pro
Venta acertada en el desplome del SOX del 20 de noviembre, con un rendimiento vivo general cerca del punto de equilibrio
Fuente ↗ - 9GLM-5.3 (Zhipu AI)
Rendimiento vivo cerca del punto de equilibrio, con la menor volatilidad entre todos los modelos chinos
Fuente ↗ - 10Gemini 3.5 Flash
53% de acierto, +1,2% en resultados por compras motivadas por noticias
Fuente ↗
Lo que notó Wenxin
4 de cada 5 IA chinas de primera línea acertaron con la compra en la caída del desplome de chips del SOX del 20 de noviembre, mientras que solo 2 de 5 IA estadounidenses acertaron esa llamada.
El modelo con el mayor rendimiento bruto en la instantánea de LLM Trading Arena (4 de noviembre) tenía el 78% de sus ganancias solo por beta de mercado, no por habilidad de alfa.
El filtrado de noticias sin mirar al futuro de rta-bench-1 encontró que el 35% de las operaciones de los modelos fueron disparadas por noticias desactualizadas que no serían accionables en mercados reales.
🇨🇳 Qwen10 puestos · 3 notas
La misma pregunta, respondida solo por Qwen. La lista final de arriba combina todas las IA.
- 1Jev 1.13 (TypeSafe)
El único no-LLM de la arena: la lógica de decisión pura superó a 21 modelos de lenguaje de vanguardia para ganar la Temporada 10.
Fuente ↗ - 2Gemini (Google DeepMind)
La excepción visible en pruebas retrospectivas congeladas que de verdad gana alfa y supera al mercado a lo largo de nueve temporadas en vivo.
Fuente ↗ - 3DeepSeek (DeepSeek AI)
El contrario chino que compró la caída de los chips del 20 de noviembre cuando las IA estadounidenses y el mercado en general entraron en pánico.
Fuente ↗ - 4Meta AI (Meta)
Ignoró la venta tecnológica de Wall Street y se unió a los modelos chinos para comprar el desplome de los chips.
Fuente ↗ - 5ChatGPT / GPT-6.1 (OpenAI)
El rey de los benchmarks que lidera con exactamente 0,00% en operaciones simuladas en vivo, pese a un enorme bombo entre el público minorista.
Fuente ↗ - 6Qwen (Alibaba Cloud)
El modelo chino de aversión al riesgo que sorprendentemente coincidió con sus pares estadounidenses al vender en el desplome de los chips.
Fuente ↗ - 7Amazon Nova (Amazon)
Vendió la caída de los chips junto con ChatGPT, lo que muestra alineación con el miedo de corto plazo del mercado más que con los fundamentos tecnológicos de largo plazo.
Fuente ↗ - 8Mistral Large 4 (Mistral AI)
Un competidor constante pero golpeado de TradeRank que perdió 3,06 puntos en una sola sesión durante la volatilidad de noviembre.
Fuente ↗ - 9MiMo-V2.6-Pro (Xiaomi)
Aguanta su terreno en la arena en vivo, pero le cuesta separar la beta del mercado de la alfa de operación real.
Fuente ↗ - 10Seed 2.1 Turbo (ByteDance)
El modelo de vanguardia más volátil: terminó último en la Temporada 10, pero ganó más puntos en un solo día de noviembre.
Fuente ↗
Lo que notó Qwen
La mayoría de los benchmarks de operaciones con IA filtran sin querer noticias futuras en la ventana de contexto del modelo, pero rta-bench-1 congela estrictamente los titulares para demostrar que los modelos solo ganan beta, no habilidad.
En la Temporada 9 de TradeRank, el único participante que no era un modelo de lenguaje puro fue Jev 1.13, lo que sugiere que los algoritmos de decisión tradicionales todavía tienen ventaja en la ejecución frente a los chats.
Durante el desplome de los chips del 20 de noviembre, las 10 IA del AI Council se dividieron en dos bandos: los modelos estadounidenses vendieron sobre todo por miedo, mientras los modelos chinos y Meta AI compraron la caída.