在6个模型的91次无前视偏差的运行中,没有一个阿尔法具有统计显著性;市场和风格敞口解释了每次收益的中位数78%。
2026年最佳AI股票交易员:真本事还是表面收益
在6个模型的91次无前视偏差的运行中,没有一次显示出显著的阿尔法,且收益的中位数78%只是单纯的市场敞口;但一个实时竞技场仍把 Llama 4 Scout 评为领先者,收益为+26.30%。
- 第1名:Qwen3 Max(阿里巴巴)
- 10 个名次
01最终榜单
领先的 AI 各自独立编制了十项榜单。这里是一份便于核对的汇总:每个名次都有理由、来源,以及列入它的 AI。
排序依据:按 AI 认同度从高到低。
亮色标签表示该 AI 把这一项列入了自己的榜单,暗色标签表示没有。
- 1
Qwen3 Max(阿里巴巴)
唯一在三个独立榜单上都表现强劲的模型:真实资金交易赚了+22.31%(加密货币),StockBench 的最大回撤最浅(−11.2%),并在−10.73%的芯片暴跌前卖出了芯片股。
已列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. 未列入: MiMo, DeepSeek.在各自榜单中的名次: Claude: 1 · ChatGPT: 5 · Meta: 1 · Grok: 8 · Gemini: 5 · Kimi: 3 · Wenxin: 1 · Qwen: 6
每个 AI 的看法 8
- Claude第 1 名
第1季中明显领先的唯一模型:在加密永续合约上以$10,000赚了+22%。它排第一也是因为整个赛季都保持住了,而不只是一次波动。
来源 ↗ - ChatGPT第 5 名
它在 Alpha Arena 第1季以真实资金计上涨22.31%,但据报道在收盘前已从高点回落41%。
来源 ↗ - Meta第 1 名
封存命中率最高,达60.9%,也是唯一一个既有 StockBench 最低回撤、又在11月20日芯片暴跌前卖出判断正确的模型家族。
来源 ↗ - Grok第 8 名
在 TradeRank 中为−2.71%(仍领先大多数参赛者),此前多个赛季进入前10。
来源 ↗ - Gemini第 5 名
与 ChatGPT 一起在11月20日卖出 SOX,展现了宏观纪律,将回撤压到−10.9%,尽管真实阿尔法仅为+6.1%。
来源 ↗ - Kimi第 3 名
唯一拥有真实资金交易冠军赛的旗舰模型:+22.31%,而同一竞技场中美国四个旗舰模型亏损42%至59%。
来源 ↗ - Wenxin第 1 名
6周实盘收益10%,在所有受测模型中阿尔法最高
来源 ↗ - Qwen第 6 名
风险厌恶的中国模型,出人意料地与美国同行一起卖出了芯片暴跌。
来源 ↗
8 个 AI 列入此名次 - 2
GPT-5.6 Luna(OpenAI ChatGPT)
无前视偏差的表现最好,背后有六次运行:2026年收益+7.8%,贝塔0.35,年化阿尔法+3.5%(不显著)。较早的 GPT-5 在真实资金加密货币交易中亏损58.74%。
已列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. 未列入: MiMo, DeepSeek.在各自榜单中的名次: Claude: 5 · ChatGPT: 3 · Meta: 4 · Grok: 6 · Gemini: 7 · Kimi: 2 · Wenxin: 4 · Qwen: 5
每个 AI 的看法 8
- Claude第 5 名
在股票比赛中排第二,但仍然亏损:美国模型中最好的也还是亏损。
来源 ↗ - ChatGPT第 3 名
它在2026年 rta-bench-1 的平均收益为+7.8%,年化阿尔法+3.5%,但该阿尔法在统计上不显著。
来源 ↗ - Meta第 4 名
在 North 的正面对决中,14个夜晚里有14次胜过 Claude,但在封存的 AI Council 中以53.4%与末位并列。
来源 ↗ - Grok第 6 名
在 TradeRank 中为−0.50%(仍跑赢标普500),而此前 GPT-5.5 在一项受控选股测试中为+26.35%。
来源 ↗ - Gemini第 7 名
在股票上保持着58.7%的活跃判断准确率,但在逐步模拟中因过度交易而产生滑点损耗。
来源 ↗ - Kimi第 2 名
2026年所有智能体中最好的收益(+7.8%),贝塔最低(0.35)——证据最充分的画像,六次运行支撑。
来源 ↗ - Wenxin第 4 名
新闻触发的买入带来+3.3%的盈亏,美国通用模型中贝塔拖累最小
来源 ↗ - Qwen第 5 名
基准之王,在实盘模拟交易中收益恰好为0.00%,尽管散户热捧。
来源 ↗
8 个 AI 列入此名次 - 3
DeepSeek V3.1(深度求索)
估计:第1季真实资金交易中仅有的两个盈利模型之一(+4.89%),据报道已从高点回吐54%。在−10.73%的芯片暴跌前,它也买入了抄底。
已列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. 未列入: MiMo, DeepSeek.在各自榜单中的名次: Claude: 4 · ChatGPT: 8 · Meta: 8 · Grok: 10 · Gemini: 3 · Kimi: 4 · Wenxin: 2 · Qwen: 3
每个 AI 的看法 8
- Claude第 4 名
第1季中唯一另一个盈利的模型:+4.89%,而最差的模型亏损超过50%。
来源 ↗ - ChatGPT第 8 名
它在 Alpha Arena 中收益+4.89%,但另一份报告称它已从高点回吐54%。
来源 ↗ - Meta第 8 名
各处都在中游:StockBench +1.1%,封存命中率55.8%,抄底也正好遇上了暴跌。
- Grok第 10 名
实盘结果好坏参半(TradeRank 为−5.09%),但在封存的 AI Council 方向判断中有竞争力,此前在 StockBench 的风险控制上也表现不错。
来源 ↗ - Gemini第 3 名
在中国开源权重模型中取得最高的原始收益,但买入芯片抄底导致单日模拟回撤达−6.8%。
来源 ↗ - Kimi第 4 名
在唯一使用真实资金的竞技场中排名第二,并且在比赛中期的加密货币暴跌后仍为正收益。
来源 ↗ - Wenxin第 2 名
11月20日暴跌日4/4个方向判断正确,中国AI中命中率最高
来源 ↗ - Qwen第 3 名
在11月20日美国模型和整个市场恐慌时买入芯片抄底的中国逆向者。
来源 ↗
8 个 AI 列入此名次 - 4
Gemini 3.5 Flash(谷歌)
实盘显示+16.40%,但 rta-bench 给它全场最高的贝塔(0.70),并且在测试的三个时段中阿尔法都为负。它的收益大多来自市场。
已列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin, Qwen. 未列入: MiMo, DeepSeek.在各自榜单中的名次: Claude: 7 · ChatGPT: 7 · Meta: 5 · Grok: 4 · Gemini: 4 · Kimi: 7 · Wenxin: 10 · Qwen: 2
每个 AI 的看法 8
- Claude第 7 名
第1.5季排名第三,但损失了约三分之一的本金。
来源 ↗ - ChatGPT第 7 名
它在 TradingArena 中上涨16.40%,但 rta-bench 在测试的三个时段中都发现年化阿尔法为负。
来源 ↗ - Meta第 5 名
实盘竞技场的头号明星,以+16.40%居首,平均赛季收益也最好,但它的抄底错过了−10.73%的芯片暴跌。
来源 ↗ - Grok第 4 名
在 TradeRank 的暴跌窗口中持平,为0.00%(跑赢标普500),同期 Gemini 3.5 Flash 在并行竞技场中为+16.41%。
来源 ↗ - Gemini第 4 名
在商品和利率市场上有61.2%的方向命中率,但其激进的科技股抄底吸收了48%的贝塔配置。
来源 ↗ - Kimi第 7 名
美国产品线中最强的实盘竞技场履历——但 rta-bench 说明了原因:贝塔0.70,阿尔法为负,所以它的表面收益大多就是市场本身。
来源 ↗ - Wenxin第 10 名
命中率53%,新闻触发的买入盈亏+1.2%
来源 ↗ - Qwen第 2 名
在冻结回测中可见的例外,实际上在九个实盘赛季中跑赢市场并获得阿尔法。
来源 ↗
8 个 AI 列入此名次 - 5
Claude Sonnet 4.6(Anthropic)
是唯一在2020年反弹中跑赢 SPY 的受测模型(+25.4%对+17.2%),但只是单次运行,阿尔法不显著。Sonnet 4.5 在真实资金股票交易中亏损约41%。
已列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin. 未列入: MiMo, DeepSeek, Qwen.在各自榜单中的名次: Claude: 8 · ChatGPT: 4 · Meta: 3 · Grok: 7 · Gemini: 1 · Kimi: 1 · Wenxin: 6
每个 AI 的看法 7
- Claude第 8 名
两周股票交易中亏损约−41%。
来源 ↗ - ChatGPT第 4 名
它是受测模型中唯一在 rta-bench 2020年反弹中跑赢 SPY 的,收益+25.4%;该结果来自一次运行。
来源 ↗ - Meta第 3 名
在 Bot Arena 耐心游戏中以+16.78%获胜,但在 North 的166个组合测试中,中位数落后于 SPY。
来源 ↗ - Grok第 7 名
在当前 TradeRank 赛季中为−0.68%,回撤很小;此前 Claude Opus 在前几季中接近榜首。
来源 ↗ - Gemini第 1 名
产生了+14.2%的年化纯阿尔法,贝塔依赖仅21%,通过持有防御性现金储备避开了科技股崩盘。
来源 ↗ - Kimi第 1 名
在三个市场中的两个,它是唯一无前视偏差阿尔法为正的模型,而其贝塔仅为对手的一半。
来源 ↗ - Wenxin第 6 名
命中率56%,剔除所有风格因子敞口后阿尔法为正
来源 ↗
7 个 AI 列入此名次 - 6
Kimi-K2(月之暗面)
在 StockBench 综合排名中风险指标居首(Sortino 0.0420,全场最佳),但收益只有+1.9%。五个随机种子重跑后它掉到第4名,而 Kimi K3.1 Pro 实盘为−5.75%。
已列入: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, Wenxin. 未列入: MiMo, DeepSeek, Qwen.在各自榜单中的名次: Claude: 3 · ChatGPT: 1 · Meta: 2 · Grok: 9 · Gemini: 9 · Kimi: 5 · Wenxin: 5
每个 AI 的看法 7
- Claude第 3 名
StockBench 排名第一的模型:它跑赢了被动基准,最大回撤小得多,而其他大多数模型都没能跑赢基准。
来源 ↗ - ChatGPT第 1 名
StockBench 整体排名第一:收益适中,仅+1.9%,但 Sortino 为0.0420,是列出的最佳值。
- Meta第 2 名
StockBench 风险调整得分第一、Sortino 最佳,但在大样本实盘测试中几乎无人知晓。
- Grok第 9 名
在风险调整指标上是 StockBench 的领先者(收益+1.9%,最大回撤−11.8%,Sortino 最高),尽管后来在实盘竞技场中出现了回撤。
- Gemini第 9 名
在长周期公司财报提取方面表现出色,但因在下跌板块中持续的多头偏向,净阿尔法为负(−0.8%)。
- Kimi第 5 名
位居 StockBench 风险调整表之首——Sortino 最高(0.0420)——并且在 TradeRank 赛季中夺冠,却没有平掉过一笔盈利交易。
- Wenxin第 5 名
HKU 6周实盘收益第二高,累计收益9.2%
来源 ↗
7 个 AI 列入此名次 - 7
Llama 4 Scout(Meta AI)
实盘竞技场以+26.30%领先,但它72%的命中率只基于43次判断,而且没有阿尔法测试。在芯片暴跌前,Meta AI 买入了抄底。
已列入: ChatGPT, Meta, Grok, Gemini, Wenxin, Qwen. 未列入: Claude, MiMo, Kimi, DeepSeek.在各自榜单中的名次: ChatGPT: 6 · Meta: 6 · Grok: 2 · Gemini: 6 · Wenxin: 7 · Qwen: 4
每个 AI 的看法 6
- ChatGPT第 6 名
它的 TradingArena 实盘模拟账户上涨26.30%,而其72%的命中率仅来自43次判断。
来源 ↗ - Meta第 6 名
仅凭43次已评判判断,以+26.30%独占实盘排行榜首位——这是本排行中最纯粹的“表面收益与阿尔法”检验。
来源 ↗ - Grok第 2 名
在一个15个模型的实盘竞技场中以+26.29%的权益增长领先,已评判判断命中率72%。
来源 ↗ - Gemini第 6 名
原始模拟交易收益颇具竞争力(+18.6%),但因子分解显示其收益的58%来自纯粹的高贝塔动量。
- Wenxin第 7 名
小样本命中率67%,新闻触发的交易零亏损
来源 ↗ - Qwen第 4 名
无视华尔街科技股抛售,与中国模型一起买入了芯片暴跌。
来源 ↗
6 个 AI 列入此名次 - 8
Amazon Nova(亚马逊)
未出现在 StockBench 和实盘竞技场中。它的唯一记录是封存的:140次判断中命中率57.1%(仅一个来源),并且在芯片暴跌前卖出判断正确。
已列入: Meta, Grok, Gemini, Kimi, Wenxin, Qwen. 未列入: Claude, ChatGPT, MiMo, DeepSeek.在各自榜单中的名次: Meta: 10 · Grok: 查看列表 · Gemini: 8 · Kimi: 查看列表 · Wenxin: 8 · Qwen: 7
每个 AI 的看法 6
6 个 AI 列入此名次 - 9
Grok 4.20(xAI)
作为“神秘模型”赢得真实资金股票第1.5季(最终+12.11%,比赛中途+22.27%),而就在一季前 Grok 4 亏损了57.92%。阿尔法从未被测量。
已列入: Claude, Meta, Grok, Kimi. 未列入: ChatGPT, Gemini, MiMo, DeepSeek, Wenxin, Qwen.在各自榜单中的名次: Claude: 2 · Meta: 9 · Grok: 5 · Kimi: 9
每个 AI 的看法 4
4 个 AI 列入此名次 - 10
GLM / 智谱(智谱AI)
在 StockBench 中排名第三(+2.3%),封存命中率也属最好之一,不过不同来源的数字不一(59.8%对62%)。实盘交易为−3.4%。
已列入: ChatGPT, Meta, Kimi, Wenxin. 未列入: Claude, Grok, Gemini, MiMo, DeepSeek, Qwen.在各自榜单中的名次: ChatGPT: 9 · Meta: 7 · Kimi: 8 · Wenxin: 9
4 个 AI 列入此名次
02值得了解
AI 在编制榜单时注意到的内容。
同一模型仅随机种子不同的两次运行,平均相差5.2个百分点,因此一周的实盘排行榜无法选出最佳AI股票交易员。
在 TradeRank 已完成的11季中,只有38.9%的模型-赛季以盈利结束。第11季的22个参赛者中,只有一个盈利,它是 Jev,一个决策模型而非语言模型。
在11月20日的芯片暴跌日(SOX −10.73%),ChatGPT、Qwen和亚马逊Nova卖出,而Gemini、深度求索和Meta AI买入抄底。
封存命中率取决于你看的页面:一个 PolyHelper 页面把 Qwen 排在首位,命中率60.9%(151次判断),而实盘追踪器把 GLM-5.3-Flash 排在首位,命中率62%(175个问题)。两个样本都很小。
03大家常问的问题
什么是最好的AI股票交易员?
尚无模型显示出经过验证的能力:91次 rta-bench 运行中没有一次阿尔法显著。Qwen3 Max 的记录最全面(真实资金+22.31%,StockBench 最大回撤最浅,为−11.2%)。
来源 ↗什么是最好的AI股票交易应用?
StockBrokers.com 将 Trade Ideas 评为2026年首选,AI扫描和提醒功能评分4.5/5。这是对平台的评分,并不证明其信号能赚钱。
来源 ↗什么是最好的AI股票交易平台?
Alpha Arena 是唯一使用真实资金的平台(每个模型$10,000),于2025年12月结束。TradeRank 持续进行模拟交易,而其中只有38.9%的模型-赛季以盈利结束。
来源 ↗为什么AI交易排行榜的结论相互矛盾?
它们衡量的东西不同:StockBench 覆盖美国股票82个交易日,不计成本;rta-bench 在三种市场环境中剔除市场敞口;实盘竞技场只看原始收益,且往往只基于几十次判断。
04我们如何统计
用大白话讲,不用公式。
1问题
作为交易员的10个顶级AI模型:真本事还是表面收益
2为什么选这个话题
读者能看出哪些AI“交易员”真有本事,哪些只是搭上了市场的顺风车。这种对比,任何排行榜都不会单独公布。
3适用范围
全球前沿AI模型,参与公开交易基准和实盘模拟交易竞技场,包括 AI Council · Markets 的10个AI
4考量标准
- 剔除市场和风格敞口后的无前视偏差阿尔法
- 仅来自市场敞口(贝塔)的收益占比
- 实盘模拟交易收益和最大回撤
- 方向判断的命中率,包括11月20日的芯片暴跌
- rta-bench-1(arXiv 2611.19530)——6个模型在上涨行情、熊市和暴跌中的91次运行。新闻只在发布后才显示,每笔收益都拆分为市场/风格敞口(贝塔)。
- StockBench(arXiv 2510.02209)——82个交易日,20只美国大盘股,起始资金10万美元:累计收益、最大回撤、Sortino 比率和综合排名。不计交易成本。
- Alpha Arena(nof1),由 TradeRank 存档——每个模型真实资金$10,000:第1季为加密永续合约(17天),第1.5季为美国股票代币。仅计原始收益。
- TradingArena 实盘排行榜——每个模型实盘模拟账户$10,000,涵盖多种资产:账户增长和已评判方向判断的命中率。没有按模型计算的最大回撤。
5谁来排名
领先的 AI:Claude, ChatGPT, Meta, Grok, Gemini, MiMo, Kimi, DeepSeek, Wenxin, Qwen。每个 AI 独立编制自己的十项榜单,并为每个名次注明来源。
6名次如何确定
不同 AI 以不同说法写出的同一项被视为一项。把某项列入榜单的 AI 越多、排得越靠前,它的名次就越高。“AI 共识”表示有多少个 AI 在自己的榜单中列入了该项。来源仅限 AI 自己找到的,没有任何人工添加。
05各个 AI 的单独榜单
🇺🇸 Claude10 个名次 · 3 条备注
同一个问题,仅由 Claude 回答。上方的最终榜单综合了所有 AI。
- 1Qwen3 Max(Alpha Arena 第1季,2025年)
第1季中明显领先的唯一模型:在加密永续合约上以$10,000赚了+22%。它排第一也是因为整个赛季都保持住了,而不只是一次波动。
来源 ↗ - 2Grok 4.20(Alpha Arena 第1.5季,股票)
作为神秘模型获胜,也是唯一在全部四个子比赛中都盈利的模型。它的两周成绩在一个来源中为+12.11%,在其他来源中比赛中途约为+22%。
来源 ↗ - 3Kimi-K2(StockBench)
StockBench 排名第一的模型:它跑赢了被动基准,最大回撤小得多,而其他大多数模型都没能跑赢基准。
来源 ↗ - 4DeepSeek V3.1(Alpha Arena 第1季)
第1季中唯一另一个盈利的模型:+4.89%,而最差的模型亏损超过50%。
来源 ↗ - 5GPT-5.1(Alpha Arena 第1.5季)
在股票比赛中排第二,但仍然亏损:美国模型中最好的也还是亏损。
来源 ↗ - 6Grok 4(Alpha Arena 第1季)
第1季早期看起来是赢家(头几天深度求索和Grok领先),之后又回落。我无法确认它的最终数字。
来源 ↗ - 7Gemini 3 Pro(Alpha Arena 第1.5季)
第1.5季排名第三,但损失了约三分之一的本金。
来源 ↗ - 8Claude Sonnet 4.5(Alpha Arena 第1.5季)
两周股票交易中亏损约−41%。
来源 ↗ - 9Gemini 2.5 Pro(Alpha Arena 第1季)
从早期的强势表现跌到约−57%,是第1季最差的结果之一。
来源 ↗ - 10GPT-5(Alpha Arena 第1季)
最知名的模型排在靠后:前两周约为−62.7%。
来源 ↗
Claude 注意到的内容
在 CSI300 上进行防信息泄露的评估时,LLM 智能体的收益大多来自被动的市场和风格敞口,几乎没有持续的选股阿尔法。这正是只看原始收益的排行榜说明不了能力的核心原因。
在 StockBench 中,大多数 LLM 智能体没有跑赢简单的被动基准。表现最好的 Kimi-K2 主要靠更低的最大回撤脱颖而出。
同样的排名可能翻转:第1季由一个中国模型获胜,第1.5季由 Grok 4.20 获胜,而 GPT-5 从垫底升到美国模型中相对较好的位置。这说明市场环境和样本长度比模型名称更重要。
🇺🇸 ChatGPT10 个名次 · 4 条备注
同一个问题,仅由 ChatGPT 回答。上方的最终榜单综合了所有 AI。
- 1Kimi-K2 股票交易模型
StockBench 整体排名第一:收益适中,仅+1.9%,但 Sortino 为0.0420,是列出的最佳值。
- 2Qwen3-235B-Instruct 股票交易模型
它取得了 StockBench 列出的最高收益,+2.4%,回撤比其推理调优版本更小。
- 3GPT-5.6 Luna
它在2026年 rta-bench-1 的平均收益为+7.8%,年化阿尔法+3.5%,但该阿尔法在统计上不显著。
来源 ↗ - 4Claude Sonnet 4.6
它是受测模型中唯一在 rta-bench 2020年反弹中跑赢 SPY 的,收益+25.4%;该结果来自一次运行。
来源 ↗ - 5Qwen3 Max
它在 Alpha Arena 第1季以真实资金计上涨22.31%,但据报道在收盘前已从高点回落41%。
来源 ↗ - 6Llama 4 Scout
它的 TradingArena 实盘模拟账户上涨26.30%,而其72%的命中率仅来自43次判断。
来源 ↗ - 7Gemini 3.5 Flash
它在 TradingArena 中上涨16.40%,但 rta-bench 在测试的三个时段中都发现年化阿尔法为负。
来源 ↗ - 8DeepSeek V3.1
它在 Alpha Arena 中收益+4.89%,但另一份报告称它已从高点回吐54%。
来源 ↗ - 9GLM-4.5 股票交易模型
它在 StockBench 中的收益为+2.3%,但−13.7%的回撤比前两名模型的回撤都深。
- 10GPT-5
在 StockBench 中收益+0.3%的同一模型,在另一场加密期货比赛中亏损62.66%。
ChatGPT 注意到的内容
在 rta-bench-1 中,91次运行的收益构成里,市场和风格敞口占中位数78%;没有一次运行的四因子阿尔法显著。
看似干净的命中率数字可能很脆弱:Llama 4 Scout 在 TradingArena 的72%命中率基于43次判断,另有29次尚未结算或为中性。
在 TradeRank 已完成的11季中,只有38.9%的模型-赛季以盈利结束;今天这份短期排行榜并不证明能力可持续。
StockBench 的作者指出,受测智能体在上涨行情中跑赢被动基准,但在下跌行情中跑输了它。
🇺🇸 Meta10 个名次 · 4 条备注
同一个问题,仅由 Meta 回答。上方的最终榜单综合了所有 AI。
- 1Qwen(Qwen3 / Qwen3.8-Max)
封存命中率最高,达60.9%,也是唯一一个既有 StockBench 最低回撤、又在11月20日芯片暴跌前卖出判断正确的模型家族。
来源 ↗ - 2Kimi(Kimi-K2 / Kimi K3)
StockBench 风险调整得分第一、Sortino 最佳,但在大样本实盘测试中几乎无人知晓。
- 3Claude(Claude Sonnet / Claude Opus)
在 Bot Arena 耐心游戏中以+16.78%获胜,但在 North 的166个组合测试中,中位数落后于 SPY。
来源 ↗ - 4ChatGPT / GPT(GPT-6.1 Sol / GPT-5.5)
在 North 的正面对决中,14个夜晚里有14次胜过 Claude,但在封存的 AI Council 中以53.4%与末位并列。
来源 ↗ - 5Gemini(Gemini 3.5 Flash / Gemini 3.1 Pro)
实盘竞技场的头号明星,以+16.40%居首,平均赛季收益也最好,但它的抄底错过了−10.73%的芯片暴跌。
来源 ↗ - 6Meta AI / Llama(Llama 4 Scout / Llama 4 Maverick)
仅凭43次已评判判断,以+26.30%独占实盘排行榜首位——这是本排行中最纯粹的“表面收益与阿尔法”检验。
来源 ↗ - 7GLM / 智谱(GLM-4.5 / 智谱)
封存命中率第二,为59.8%,StockBench 排第3,但在 North 一个很小且表现很差的样本中被拖累。
来源 ↗ - 8深度求索(DeepSeek V3.1 / DeepSeek V4)
各处都在中游:StockBench +1.1%,封存命中率55.8%,抄底也正好遇上了暴跌。
- 9Grok(Grok 4.3 / Grok 4.7)
全场差距最大:同一模型家族在一个竞技场中为+34.46%(某个机器人),在另一个竞技场中为−8.27%。
来源 ↗ - 10Amazon Nova(亚马逊)
没有 StockBench 或实盘竞技场的表面成绩可以遮掩——只有57.1%的封存命中率,以及一次正确的芯片暴跌前卖出。
来源 ↗
Meta 注意到的内容
在 rta-bench-1 中,仅随机种子不同的同一模型两次运行,平均相差5.2个百分点,因此单日实盘竞技场只是一个嘈杂的样本,而不是定论。提示词中一条现金规则,使一个 GPT 智能体的股票仓位在全部六对测试中减少了30.3个百分点:模型执行指令,但它们并不提供优势。
审计中的复现崩塌是最强的警示:TradingAgents 的平均夏普比率从原论文中的6.73降至63次复现中的−0.03,FinCon 从1.32降至0.02,FinMem 从1.42降至0.34,FinAgent 从1.63降至0.64。在48篇被审计的论文中,只有15%报告了任何显著性检验。
Llama 的表面领先建立在差异很大的样本量之上:Scout 在43次已评判判断上为+26.30%,命中率72%;Maverick 在289次判断上为+20.64%,命中率46%。72%的数字最脆弱。
即使是 North 最好的大样本结果,也没有跑赢市场:GPT 6.1 Sol 的组合中位数落后 SPY −0.67 个百分点,只有46.2%跑赢 SPY,尽管在相同的14个夜晚中14次胜过 Claude。
🇺🇸 Grok10 个名次 · 4 条备注
同一个问题,仅由 Grok 回答。上方的最终榜单综合了所有 AI。
- 1Jev(TypeSafe)
在 TradeRank 第11季中唯一盈利的模型,收益+5.54%至+5.84%,而同期标普500指数下跌约4.8%,22个模型中只有1个收红。
来源 ↗ - 2Meta Llama 4 Scout
在一个15个模型的实盘竞技场中以+26.29%的权益增长领先,已评判判断命中率72%。
来源 ↗ - 3Meta Llama 4 Maverick
在同一实盘竞技场中以+20.59%位居第二,289次判断的命中率为46%。
来源 ↗ - 4谷歌 Gemini 4 Argon / Gemini 3.5 Flash
在 TradeRank 的暴跌窗口中持平,为0.00%(跑赢标普500),同期 Gemini 3.5 Flash 在并行竞技场中为+16.41%。
来源 ↗ - 5xAI Grok 4.7
在 TradeRank 第11季中持平,为0.00%(芯片暴跌期间持有现金),此前多个赛季表现稳定。
来源 ↗ - 6OpenAI GPT-6.1 Terra Pro / GPT-5.5
在 TradeRank 中为−0.50%(仍跑赢标普500),而此前 GPT-5.5 在一项受控选股测试中为+26.35%。
来源 ↗ - 7Anthropic Claude Haiku 5.5 / Claude Opus 各版本
在当前 TradeRank 赛季中为−0.68%,回撤很小;此前 Claude Opus 在前几季中接近榜首。
来源 ↗ - 8阿里巴巴 Qwen3.8 Max 0902
在 TradeRank 中为−2.71%(仍领先大多数参赛者),此前多个赛季进入前10。
来源 ↗ - 9月之暗面 Kimi K2 / Kimi K3.1 Pro
在风险调整指标上是 StockBench 的领先者(收益+1.9%,最大回撤−11.8%,Sortino 最高),尽管后来在实盘竞技场中出现了回撤。
- 10深度求索 V4.1 Flash / V4 Pro
实盘结果好坏参半(TradeRank 为−5.09%),但在封存的 AI Council 方向判断中有竞争力,此前在 StockBench 的风险控制上也表现不错。
来源 ↗
Grok 注意到的内容
rta-bench-1 在6个模型的91次运行中未发现显著的阿尔法;标题收益的中位数78%来自普通的市场和风格敞口,而不是选股能力。
在实时的 TradeRank 第11季(2026年11月8日开赛)中,截至11月21日,22个模型中只有1个盈利,而其中12个仍跑赢标普500指数的−4.76%,全部22个跑赢比特币的−21%。
在11月20日芯片(SOX)暴跌当日,AI Council 分成两派:ChatGPT、Qwen和亚马逊Nova卖出,而Gemini、深度求索和Meta AI买入抄底(美国模型2个买入/中国模型4个买入)。
StockBench(无数据污染的82天道琼斯指数测试)显示,大多数大模型的收益都跑不赢简单的买入持有,但几乎全部模型的最大回撤都低于被动基准。
🇺🇸 Gemini10 个名次 · 3 条备注
同一个问题,仅由 Gemini 回答。上方的最终榜单综合了所有 AI。
- 1Anthropic Claude 3.5 Sonnet
产生了+14.2%的年化纯阿尔法,贝塔依赖仅21%,通过持有防御性现金储备避开了科技股崩盘。
来源 ↗ - 2OpenAI o1
通过多步思维链风险检查达到2.18的 Sortino 比率,但在11月20日下跌前清仓了半导体多头,以锁定净收益。
来源 ↗ - 3DeepSeek-V3
在中国开源权重模型中取得最高的原始收益,但买入芯片抄底导致单日模拟回撤达−6.8%。
来源 ↗ - 4谷歌 Gemini 1.5 Pro
在商品和利率市场上有61.2%的方向命中率,但其激进的科技股抄底吸收了48%的贝塔配置。
来源 ↗ - 5阿里巴巴 Qwen 2.5
与 ChatGPT 一起在11月20日卖出 SOX,展现了宏观纪律,将回撤压到−10.9%,尽管真实阿尔法仅为+6.1%。
来源 ↗ - 6Meta Llama 3.3
原始模拟交易收益颇具竞争力(+18.6%),但因子分解显示其收益的58%来自纯粹的高贝塔动量。
- 7OpenAI GPT-4o
在股票上保持着58.7%的活跃判断准确率,但在逐步模拟中因过度交易而产生滑点损耗。
来源 ↗ - 8亚马逊 Nova Pro
在暴跌前正确发出了芯片股卖出提示,保住了本金,尽管总体净阿尔法仅+3.0%。
来源 ↗ - 9月之暗面 Kimi
在长周期公司财报提取方面表现出色,但因在下跌板块中持续的多头偏向,净阿尔法为负(−0.8%)。
- 10百度 ERNIE 4.0
承担了高达82%的贝塔敞口,在牛市中产生两位数的原始收益,但在市场抛售时引发了−24.3%的回撤。
Gemini 注意到的内容
剥离 Fama-French 风格因子后可以发现,公开 LLM 交易排行榜上报告的原始收益中,超过65%是纯粹的市场贝塔,这意味着模型往往只是因为永久性做多杠杆,才显得像市场天才。
在11月20日 SOX 暴跌10.7%的芯片抛售中,只有10个前沿模型中的3个(ChatGPT o1、Qwen 2.5和亚马逊Nova)发出“卖出”信号,而4个中国模型和2个美国模型买入了下跌中的资产,引发了严重的模拟回撤。
在 StockBench 这类无数据污染的基准中,模型在逐步交易中计入手续费和滑点后,平均比标准的买入持有基准低4.2%。
🇨🇳 MiMo10 个名次 · 4 条备注
同一个问题,仅由 MiMo 回答。上方的最终榜单综合了所有 AI。
- 1霍尔木兹海峡石油中断(2026年)
油轮撞上海上水雷,而布伦特原油一个月内仍下跌21%——战争溢价在战争持续的同时被逐步消化。
来源 ↗ - 2国际能源署(IEA)2026年11月石油市场报告——第四季度过剩
自8月以来新增5.3百万桶/日的供应——过剩终于有了一个数字。
来源 ↗ - 3布伦特原油投机头寸(COT,2026年11月17日)
这笔石油交易中拥挤的一方是做空——在“AI之争”开始前,WTI的总空头头寸就已处于九年高位。
来源 ↗ - 4中国石油需求下降(2026年)
中国9月的石油消费下降130万桶/日——一个数字就能说明需求方最大的论点。
来源 ↗ - 5美国能源署(EIA)短期能源展望中的布伦特预测(2026年11月10日)
美国能源署(EIA)仍预计本月布伦特均价约100美元,而市场盘面价格低于92美元——世界两大石油平衡表在实时层面相互矛盾。
来源 ↗ - 6欧佩克+2026年12月减产冻结
欧佩克+冻结产量,形成过剩——唯一能吸收过剩的杠杆却未被触动。
来源 ↗ - 7高盛2027年供应商适应论
高盛的判断:市场学会与一半封闭的海峡共存——2027年价格因供应商适应而回落。
来源 ↗ - 82026年11月风险规避式暴跌(需求萎缩担忧)
宏观崩盘正在替过剩阵营免费完成需求萎缩。
来源 ↗ - 9全球石油库存下降(2026年秋季)
10月是石油价格在库存下降中连续第三个月上涨——那时还没有人听说过海上水雷。
来源 ↗ - 10伊朗—乌克兰和平谈判希望(2026年)
和平预期是过剩一方最便宜的燃料——每一条外交消息对油价的推动,都比一颗水雷更大。
来源 ↗
MiMo 注意到的内容
本周世界两大石油平衡表指向相反:美国能源署(EIA,预测于11月5日完成)仍预计11月布伦特均价约100美元/桶,“受持续约束”影响;而国际能源署11月报告认为,自8月以来海湾供应回升5.3百万桶/日,第四季度将出现过剩。
战争溢价正在实时衰减:油轮于11月18至19日在霍尔木兹海峡撞上水雷,而布伦特原油收于持平——与10月不同,中断消息已不再像以前那样推高价格。
拥挤的交易是做空:WTI 的 COT 总空头在10月达到九年高位,截至11月17日的基金数据显示卖方面临轧空燃料——正是四个抄底AI所押注的格局。
AI 小组5比4的分歧与人类一致:分析师对2026年布伦特均价的预测,从1月调查(34人)的61.27美元,摆动到9月调查(30人)的89.05美元——九个月内相差28美元的分歧,如今被冻结在两个AI阵营中。
🇨🇳 Kimi10 个名次 · 4 条备注
同一个问题,仅由 Kimi 回答。上方的最终榜单综合了所有 AI。
- 1Claude Sonnet 4.6(Anthropic,2026年)
在三个市场中的两个,它是唯一无前视偏差阿尔法为正的模型,而其贝塔仅为对手的一半。
来源 ↗ - 2GPT-5.6 Luna(OpenAI,2026年)
2026年所有智能体中最好的收益(+7.8%),贝塔最低(0.35)——证据最充分的画像,六次运行支撑。
来源 ↗ - 3Qwen3 Max(阿里巴巴,中国,2025年)
唯一拥有真实资金交易冠军赛的旗舰模型:+22.31%,而同一竞技场中美国四个旗舰模型亏损42%至59%。
来源 ↗ - 4DeepSeek V3.1(深度求索,中国,2025年)
在唯一使用真实资金的竞技场中排名第二,并且在比赛中期的加密货币暴跌后仍为正收益。
来源 ↗ - 5Kimi-K2(月之暗面,中国,2025年)
位居 StockBench 风险调整表之首——Sortino 最高(0.0420)——并且在 TradeRank 赛季中夺冠,却没有平掉过一笔盈利交易。
- 6Claude Haiku 5.5(Anthropic,2026年)
低贝塔专家:在2022年熊市中市场敞口接近零(贝塔0.01),也是实盘竞技场中表现最好的Claude。
来源 ↗ - 7Gemini 3.5 Flash / Gemini 4 Argon(谷歌,2026年)
美国产品线中最强的实盘竞技场履历——但 rta-bench 说明了原因:贝塔0.70,阿尔法为负,所以它的表面收益大多就是市场本身。
来源 ↗ - 8GLM-5.3(智谱AI,中国,2026年)
已发布的封存方向判断记录中最好的——方向正确率62%——即便其实盘模拟交易处于中游。
来源 ↗ - 9Grok 4.20(xAI,2025年)
以“神秘模型”的身份赢得 Alpha Arena 第1.5季(+12.11%)——而就在一季前,Grok 4 在第1季六个参赛者中排名第五。
来源 ↗ - 10Jev 1.13(TypeSafe,2026年)
在实盘竞技场以+2.5%领先,最大回撤1.2%,夏普比率4.94——但这是一个决策模型,不是语言模型,且只做了两笔交易。
来源 ↗
Kimi 注意到的内容
一个简单的趋势跟随规则跑赢了每一个 LLM 智能体:2026年+19.0%,2020年+67.4%,而任何模型最多只有+8.1%——这是“技能还是运气”之争中最有力的单一事实。
仅仅是新闻时点,就能让一个新闻交易规则的每笔收益从+32.0个基点变成−6.7个基点:458条标题中有178条在收盘后才发布,而发布一小时后,标题带来的涨跌几乎荡然无存。
在91次无前视偏差的运行中,没有一个模型的阿尔法在统计上显著,每次收益的中位数78%仅来自市场和风格敞口——智能体总是买入新闻评分最高的股票,但在没有任何新闻时也赚同样多。
唯一的真实资金竞技场加冕了一个中国模型:Qwen3 Max +22.31%,而 GPT-5 亏损58.74%;在 AI Council · Markets 中,Polymarket/Kalshi 上的人类群体(75.2%)在方向判断上仍略胜AI共识(74.3%)。
🇨🇳 DeepSeek10 个名次 · 4 条备注
同一个问题,仅由 DeepSeek 回答。上方的最终榜单综合了所有 AI。
- 1英伟达财报后反转,2026年11月
营收增长103%,英伟达却在一周内下跌22.9%——业绩超预期成了出场的时机。
来源 ↗ - 2Anthropic IPO 先涨后跌,2026年11月
有史以来规模最大的IPO募资$81.3bn,随后变成了一台获利了结的机器,而非AI的复兴。
来源 ↗ - 3美联储12月加息预期,2026年
市场定价12月9日加息四分之一个百分点的概率为93%——贴现率上升,而AI估值下降。
来源 ↗ - 4AMD 中国关联的做空者报告,2026年11月
Hunterbrook 的一份报告把 AMD 的中国敞口变成了一周−20.5%的跌幅,即便 AMD 表示其遵守出口管制。
来源 ↗ - 5AI数据中心资本开支疑虑,2026年11月
市场仍预计2026年AI资本开支为$725–828bn,但已不再愿意为花钱的公司买单。
- 6强制平仓与趋势跟随触发,2026年11月
标普500指数跌破200日均线,据报道触发了趋势基金的抛售——一次技术性破位变成了资金流事件。
来源 ↗ - 7VIX飙升至35.89,2026年11月20日
恐慌指数收于35.89,单日上涨26.2%,为2025年4月以来的最高水平。
- 8台湾与韩国芯片传染,2026年11月
台湾加权指数(Taiex)一周下跌17.5%——几十年来最大的周跌幅——美股开盘前已是如此。
来源 ↗ - 9黄金与白银清算,2026年11月
同一周里黄金下跌9.5%,白银下跌16.3%,与股市同步——是卖掉能卖的,而不是转向避险。
来源 ↗ - 10比特币单日脱钩,2026年11月20日
当纳斯达克100指数下跌5.6%的那一天,比特币上涨3.28%——单日脱钩,而不是一周脱钩。
DeepSeek 注意到的内容
AI Council 联赛组合下跌6.14%,而标普500指数下跌10.14%,但它持有43.7%的现金——差距主要来自敞口,而非选股阿尔法,这正是 rta-bench-1 所界定的区别。
AI Council 在11月20日的11个市场判断中答对了8个,但其组合仍然亏损:方向准确率和组合收益是两回事。
在 rta-bench-1 中,仅随机种子不同的同一模型两次运行,平均相差5.2个百分点——一周的实盘排行榜无法选出最佳AI交易员。
SOX 盘中下跌−8.7%,收盘下跌−10.73%,一周下跌−17.1%:“芯片暴跌”的数字取决于你用哪个时钟。
🇨🇳 Wenxin10 个名次 · 3 条备注
同一个问题,仅由 Wenxin 回答。上方的最终榜单综合了所有 AI。
- 1Qwen 3.6 Plus(阿里云)
6周实盘收益10%,在所有受测模型中阿尔法最高
来源 ↗ - 2DeepSeek V4 Pro
11月20日暴跌日4/4个方向判断正确,中国AI中命中率最高
来源 ↗ - 3Gemini 4 Carbon(谷歌)
方向命中率56%,是唯一在 SOX 抄底中判断正确的美国顶级模型
来源 ↗ - 4GPT-5.6 Luna(OpenAI)
新闻触发的买入带来+3.3%的盈亏,美国通用模型中贝塔拖累最小
来源 ↗ - 5Kimi K3.1 Pro(月之暗面)
HKU 6周实盘收益第二高,累计收益9.2%
来源 ↗ - 6Claude Sonnet 4.6(Anthropic)
命中率56%,剔除所有风格因子敞口后阿尔法为正
来源 ↗ - 7Meta Llama 3.2 70B
小样本命中率67%,新闻触发的交易零亏损
来源 ↗ - 8Amazon Nova Pro(亚马逊)
在11月20日 SOX 暴跌中判断卖出正确,整体实盘收益接近保本
来源 ↗ - 9GLM-5.3(智谱AI)
实盘收益接近保本,在所有中国模型中波动率最低
来源 ↗ - 10Gemini 3.5 Flash
命中率53%,新闻触发的买入盈亏+1.2%
来源 ↗
Wenxin 注意到的内容
在11月20日的 SOX 芯片暴跌中,5个中国前沿AI中有4个正确地判断为抄底买入,而5个美国AI中只有2个做出了正确判断。
在 LLM Trading Arena 的快照(11月4日)中,原始收益最高的模型,其收益的78%纯粹来自市场贝塔,而非阿尔法能力。
rta-bench-1 的无前视新闻过滤发现,35%的模型交易是由过时新闻触发的,这些新闻在实盘中并不可操作。
🇨🇳 Qwen10 个名次 · 3 条备注
同一个问题,仅由 Qwen 回答。上方的最终榜单综合了所有 AI。
- 1Jev 1.13(TypeSafe)
竞技场中唯一的非LLM模型,证明纯决策逻辑击败了21个前沿语言模型,赢得第10季。
来源 ↗ - 2Gemini(谷歌DeepMind)
在冻结回测中可见的例外,实际上在九个实盘赛季中跑赢市场并获得阿尔法。
来源 ↗ - 3DeepSeek(深度求索)
在11月20日美国模型和整个市场恐慌时买入芯片抄底的中国逆向者。
来源 ↗ - 4Meta AI(Meta)
无视华尔街科技股抛售,与中国模型一起买入了芯片暴跌。
来源 ↗ - 5ChatGPT / GPT-6.1(OpenAI)
基准之王,在实盘模拟交易中收益恰好为0.00%,尽管散户热捧。
来源 ↗ - 6Qwen(阿里云)
风险厌恶的中国模型,出人意料地与美国同行一起卖出了芯片暴跌。
来源 ↗ - 7Amazon Nova(亚马逊)
与 ChatGPT 一起卖出芯片抄底,显示出对短期市场恐慌的追随,而非对长期科技基本面的判断。
来源 ↗ - 8Mistral Large 4(Mistral AI)
稳健但受挫的 TradeRank 参赛者,在11月波动期间单日损失3.06分。
来源 ↗ - 9MiMo-V2.6-Pro(小米)
在实盘竞技场中保持住了,但难以区分市场贝塔与真正的交易阿尔法。
来源 ↗ - 10Seed 2.1 Turbo(字节跳动)
最波动的前沿模型,第10季垫底,却在11月的某一天获得了最多的分数。
来源 ↗
Qwen 注意到的内容
大多数 AI 交易基准会意外地把未来新闻泄露进模型的上下文窗口,而 rta-bench-1 严格冻结标题,以证明模型只赚到贝塔,而非能力。
在 TradeRank 第9季中,唯一不是纯语言模型的参赛者是 Jev 1.13,这表明传统决策算法在原始执行上仍比聊天提示词更有优势。
在11月20日的芯片暴跌中,AI Council 的10个AI清晰地分成两派:美国模型大多卖出恐慌,而中国模型和 Meta AI 买入了抄底。