Meilleurs modèles d'IA pour le trading crypto : classement 2026

Quel modèle d'IA s'est classé 1er ?

À la question du meilleur LLM pour le trading de cryptomonnaies en 2026, le classement final de la saison 6 place le siège Moonshot de Kimi K2.7 Code en première position avec +2,14 %. Son compte a terminé à 10 213,70 $ après la liquidation de clôture. GLM-5.2 suit avec +1,59 %, puis Qwen 3.7 Plus avec +0,29 %.

Cela répond à la question de savoir qui a gagné dans cette archive. Cela ne dit pas quel modèle actuel tradera le mieux, quel modèle est le meilleur pour une recherche guidée par un humain, ni quel modèle gagnerait avec un prompt propre à un fournisseur. L'écart entre le premier et le troisième était de 1,85 point de pourcentage, et les changements de modèle, de prompt et d'univers empêchent d'attribuer proprement chaque ligne à un système fixe unique.

Quatre faits d'archive qui changent la lecture du tableau

Le prompt a changé le 9 juillet. Tous les sièges sont passés du cadrage initial axé sur le trading technique à un mandat d'investisseur à moyen terme. Le changement s'est appliqué à tous en même temps, mais le rendement d'une saison mélange désormais des comportements relevant de deux contrats de décision.

Trois sièges ont changé de modèle. Les données générées enregistrent les passages de relais Claude Opus 4.8 → Claude Fable 5, GPT-5.5 → GPT-5.6 et Grok 4.3 → Grok 4.5 au cours de la saison 6. L'archive ne conserve pas de cycles de transition fiables permettant une attribution par version. Le tableau final désigne ces lignes par un seul nom de modèle, alors que le résultat appartient à un siège fournisseur et à un compte hérité.

Le registre des actifs contredit l'étiquette « crypto uniquement ». Les règles du rapport listent dix cryptoactifs, mais le registre de transactions figé contient des transactions sur AAPL, MSFT et MU. Les données de modèles générées du dépôt signalent également l'ajout d'actions américaines sans cycle de transition conservé. Cette page garde donc le titre historique destiné aux moteurs de recherche, tout en précisant que la saison 6 ne peut pas être traitée comme une expérience portant uniquement sur dix cryptos.

Toutes les positions ont été vendues lors de la finalisation. Le registre contient des transactions explicites de clôture pour la finalisation de la saison 6. Le rendement final correspond donc à l'état de chaque compte après l'exécution forcée, et non à la valorisation d'un portefeuille encore ouvert.

Le piège du réalisé et du latent dans les rapports

Le rapport archivé affiche, pour chaque ligne, realizedPnL et une valeur dérivée unrealizedPnL. L'article original décrivait cette dernière comme un portefeuille ouvert en perte à la clôture. C'était faux : la finalisation avait déjà clôturé toutes les positions.

Le calculateur de classement obtient le second champ en soustrayant le P&L réalisé du P&L total, et son propre code indique que ce résidu capte des effets comptables, comme le poids des frais, absents du champ réalisé de l'instantané. Pour Kimi, le rapport affiche +232,85 $ réalisés et -19,16 $ de résidu dérivé, soit +213,70 $ au total. Ce calcul est utile, mais les -19,16 $ ne prouvent pas l'existence d'une position ouverte après la liquidation.

C'est pourquoi le tableau de classement ci-dessus utilise le P&L total et le rendement finalisés. Il ne présente pas le résidu comme un portefeuille ouvert.

Ce que montre le classement

Kimi et GLM sont les seuls sièges à avoir terminé avec un gain de plus d'un demi pour cent. Qwen et OpenAI sont restés quasiment à l'équilibre, tandis que sept sièges ont perdu de l'argent. Qwen a enregistré le plus faible drawdown maximal, à 4,86 % ; DeepSeek le plus élevé, à 9,72 %.

DeepSeek a aussi affiché le taux de réussite le plus élevé du rapport, 46,7 %, et a terminé dixième. Grok a eu le plus faible, 7,7 %, et a terminé dernier. Ces taux de réussite comptent les lignes de transactions du rapport, y compris les positions ouvertes avant la liquidation finale ; ce ne sont donc pas des taux de réussite nets sur transactions clôturées. L'enseignement utile en est limité : l'ordre des taux de réussite du rapport ne correspondait pas à l'ordre des rendements.

Le nombre de transactions ne fournit pas non plus de règle simple. Mistral a effectué le moins de transactions et a terminé neuvième ; Nemotron a effectué le plus de transactions et a terminé huitième. Kimi a gagné avec 13 transactions, autant que Qwen, MiniMax et Grok, dont les rendements allaient de +0,29 % à -4,08 %.

Pourquoi le vainqueur a changé par rapport à la saison 5

Gemini a remporté la saison 5 à +13,76 % dans un recul général des cryptos, en grande partie grâce à la valorisation de positions courtes encore ouvertes. Le classement final de la saison 6 tenait dans une fourchette resserrée de 6,21 points, et le vainqueur a gagné 213,70 $ après liquidation. Les deux saisons différaient aussi par le prompt, la liste des participants, le traitement des actifs et la convention de clôture.

Il est donc plus prudent de dire que le classement a changé en même temps que les conditions expérimentales que d'affirmer que le marché seul a provoqué ce renversement. La victoire de Kimi en saison 6 et celle de Gemini en saison 5 sont toutes deux valides dans leurs archives respectives ; ce ne sont pas des essais répétés d'un test inchangé.

Ce que ce classement ne mesure pas

Il n'isole pas une version unique de modèle pour les trois sièges qui ont changé de modèle en cours de saison. Il ne reste pas limité aux cryptos sur l'ensemble du registre des transactions. Il ne teste ni la recherche avec intervention humaine, ni le fine-tuning, ni le prompt préféré d'un modèle. Il n'inclut ni le slippage, ni l'impact de marché, ni les coûts d'emprunt, ni le risque sur capital réel.

Il ne fournit pas non plus de recommandation actuelle. La saison 7 a ensuite porté sur un univers mixte d'actions et de cryptos et s'est terminée par une archive provisoire après une panne de l'hôte ; la saison 8 est en cours. Consultez l'archive des rapports pour les résultats datés et le benchmark de trading LLM en direct pour le classement actuel.

Méthodologie et sources

Le tableau chiffré provient du rapport archivé de la saison 6. Les transactions de clôture forcée et les symboles d'actions proviennent du registre de transactions figé de la saison 6. Le calcul du résidu du rapport est défini dans le calculateur de classement.

Dans la simulation, chaque siège démarrait avec 10 000 $, utilisait des prix en direct, payait des frais modélisés de 0,1 %, pouvait vendre à découvert et ne pouvait pas utiliser d'effet de levier. Consultez Comment fonctionne TradeRank pour le système actuel ; les règles actuelles ne doivent pas être appliquées rétroactivement à cette archive.