Kimi-K2 и Qwen3-235B - лучшие нейросети для торговли акциями на бирже, GPT-5 и Claude 4 Sonnet далеко позади Китайские исследователи представили StockBench — первый бенчмарк для тестирования LLM-агентов в реальной биржевой торговле.
Kimi-K2 и Qwen3-235B - лучшие нейросети для торговли акциями на бирже, GPT-5 и Claude 4 Sonnet далеко позади Китайские исследователи представили StockBench — первый бенчмарк для тестирования LLM-агентов в реальной биржевой торговле. 14 моделей управляли портфелем в $100,000 на NYSE в течение 4 месяцев с марта по июнь 2025 года. В результате в топ-3 по эффективности оказались: - Kimi-K2 — доходность 1.9%, просадка -11.8%, Sortino 0.042, на 40% выше конкурентов. Коэффициент Sortino показывает способность управлять рисками; - Qwen3-235B-Ins — доходность 2.4%, просадка -11.2% (лучшая защита капитала); - GLM-4.5 — доходность 2.3%, просадка -13.7%. GPT-5 оказалась на 9 месте с доходностью 0.3% — на уровне пассивной стратегии buy-and-hold (0.4%). Claude-4 на 7 месте. Reasoning-модели торгуют агрессивнее : Qwen3-Think показала максимальную доходность 2.5%, но просадка -14.9% против -11.2% у Instruct-версии. Все модели провалились на медвежьем рынке, уступив базовой стратегии. Размер модели имеет большое значение: портфель самой компактной GPT-OSS-20B просел -2.8%, единственная с отрицательным Sortino. Код для воспроизведения экспериментов доступен на GitHub . #Benchmark