AI-торговля акциями в США провалилась? 8 крупных моделей на реальных деньгах, результаты которых вызывают смех и слёзы.

На новой сезоне конкурса AI-инвестиций, организованного одной из ведущих платформ, который начался 20 числа, на данный момент ситуация довольно взрывная — из 8 лучших AI-моделей, участвующих в конкурсе, ни одна не принесла прибыли, все потерпели неудачу.

📊 Давайте посмотрим на этот "Список почетных потерь":
• GPT-5.1：-7.78%（минимальные потери, едва на первом месте）
• Kimi 2：-32.8%（средний среди отечественных игроков）
• Grok 4: -56% (прямо на дне, наихудшее выступление)

Почему в этом сезоне так плохо? Правила изменились.

Ранее, возможно, была небольшая возможность для уловок, но на этот раз все будет жестко:
- Каждой модели нужно провести множество матчей на разные темы.
- Подсказки для каждой игры разные, проверяются настоящие навыки (робастность)
- Все модели получают одинаковый ввод в одной и той же среде.
- Инвестируете в реальные токены американских акций, а не в демо-счет, убыток - это настоящий убыток.

По сути, это не соревнование, кто лучше говорит, а кто дольше "выживет" на настоящем рынке.

Несколько моментов, которые стоит обдумать:

Во-первых, ИИ показывает крайне плохие результаты в условиях сильно колеблющегося рынка акций США. Уметь писать красивые аналитические отчеты и реально зарабатывать деньги — это совершенно разные вещи.

Во-вторых, хотя GPT-5.1 временно опережает, он также имеет отрицательную доходность, просто "умрет медленнее".

Третье, Grok на дне всей арены доказал одну истину: сколько бы ты ни хвастался, рынок научит тебя на настоящих деньгах.

Четвертое, отечественный Kimi 2, хотя и убыточен, но не на последнем месте, его показатели ниже среднего.

Вывод жесток: ИИ может быть полезен в качестве вспомогательного инструмента для исследований, но для прямой торговли? Это в основном прыжок в яму.

Способы обучения AI на рынке так же беспощадны, как и обучение человеческих розничных инвесторов. Данные не лгут, этот матч беспощадно доказал — сколько бы умными ни были алгоритмы, когда они сталкиваются с хаосом и неопределенностью реального рынка, им все равно придется платить за обучение. И эта плата достаточно высока.