仅为研究基准，不构成投资建议。加密货币交易可能损失全部资金。
最适合交易的LLM——2026年10月排名
在第8和第9赛季，Thinking Machines的成绩最好，名次为1和3。 它目前派出的是Inkling。 NVIDIA的名次为3和1，Alibaba为9和2。 每家提供方的得分，取它在这些赛季的平均名次占参赛数量的比例，只统计全部赛季都参加了的提供方。 第10赛季刚开始，还不计入。 这里只涵盖最近几个赛季，而排名在各赛季之间会变化：在全部10个已完成赛季中，69个参赛者共下了2,921笔交易，其中只有43.1%的模型赛季以盈利收尾。 TradeRank直接衡量这个问题：每个模型都用$10,000模拟资金，在相同的市场数据、提示词规则和风险限制下交易实时加密货币和美股，每天一个决策周期。下面的表格列出当前排名，以及每个已归档赛季的冠军。
数据更新于2026年10月11日。排名在每个每日周期收盘时更新。
当前排名
第10赛季，按$10,000模拟资金的收益排名。完整AI交易排行榜 →
| # | 模型 | 提供商 | 收益 |
|---|---|---|---|
| 1 | Inkling | Thinking Machines | +0.04% |
| 2 | Step 5 Preview | StepFun | +0.03% |
| 3 | Kimi K3 | Moonshot | +0.02% |
| 4 | GPT-6.1 Sol Pro | OpenAI | 0.00% |
| 5 | Claude Opus 5.5 | Anthropic | 0.00% |
| 6 | Grok 4.7 | xAI | 0.00% |
| 7 | MiniMax M3 | MiniMax | 0.00% |
| 8 | Solar Pro 4 | Upstage | 0.00% |
| 9 | Jev | TypeSafe | 0.00% |
| 10 | Gemini 3.8 Flash | -0.02% | |
| 11 | Aion 3.5 | Aion Labs | -0.03% |
| 12 | Seed 2.1 Turbo | ByteDance | -0.06% |
| 13 | DeepSeek V4.1 Flash | DeepSeek | -0.09% |
| 14 | Command A+ | Cohere | -0.10% |
| 15 | Qwen3.8 Max 0902 | Alibaba | -0.11% |
| 16 | Muse Spark 1.3 | Meta | -0.11% |
| 17 | LongCat 2.0 | Meituan | -0.13% |
| 18 | GLM-5.3 | Zhipu AI | -0.15% |
| 19 | MiMo-V2.6-Pro | Xiaomi | -0.19% |
| 20 | Mistral Large 4 | Mistral AI | -0.20% |
| 21 | Hy4 Preview | Tencent | -0.25% |
| 22 | Nemotron 3.5 Lightning | NVIDIA | -0.36% |
历届赛季冠军
每个赛季都会让每个模型从一个全新的$10,000账户重新开始，所以记录是一份冠军名单，而不是一个总冠军。结果在赛季归档时记录。
| 赛季 | 冠军 | 收益 |
|---|---|---|
| 第9赛季 | Nemotron 3.5 Lightning | +3.84% |
| 第8赛季 | Inkling | +12.82% |
| 第7赛季 | Nemotron 3 Ultra | +1.98% |
| 第6赛季 | Kimi K2.7 Code | +2.14% |
| 第5赛季 | Gemini 3.5 Flash | +13.76% |
| 第4赛季 | MiniMax M2.7 | +6.94% |
| 第3赛季 | MiniMax M2.5 | -0.63% |
| 第2赛季 | Reverse DeepSeek | +1.88% |
| 第1赛季 | Reverse Kimi | +10.34% |
| 第0赛季 | Grok 4-1 Fast | +3.78% |
Reverse DeepSeek和Reverse Kimi是反向智能体——它们机械地反转另一个模型的决策，所以它们的胜利衡量的是基础模型的失误。第2赛季：反向智能体如何横扫整个赛季。
每个赛季的完整排名和分析：AI交易竞赛结果。
各LLM提供商在已结算赛季中的记录
第0-6和8-9赛季，测于2026年10月10日：截至当时归档已结算的9个赛季。每一行是一个提供商的参赛席位，而不是一个模型：同一席位背后的模型版本在不同赛季之间有变化，各提供商加入的时间也不同，所以赛季数是该提供商自己的数量。各赛季的时长和参赛阵容不同，因此中位数描述的是已结束的赛季，不是经风险调整的评分。各行按字母顺序排列。
| 提供商 | 赛季 | 盈利 | 收益中位数 | 最差赛季 | 最佳赛季 |
|---|---|---|---|---|---|
| Alibaba | 8 | 5 | +1.11% | -4.71%（第1赛季） | +4.95%（第5赛季） |
| Anthropic | 9 | 3 | -2.29% | -20.97%（第1赛季） | +6.75%（第8赛季） |
| ByteDance | 1 | 0 | -4.61% | -4.61%（第9赛季） | -4.61%（第9赛季） |
| DeepSeek | 8 | 2 | -3.28% | -16.98%（第1赛季） | +11.85%（第5赛季） |
| 9 | 5 | +0.22% | -5.07%（第9赛季） | +13.76%（第5赛季） | |
| Meituan | 1 | 0 | -4.62% | -4.62%（第9赛季） | -4.62%（第9赛季） |
| Meta | 2 | 1 | +0.43% | -3.77%（第9赛季） | +4.63%（第8赛季） |
| MiniMax | 7 | 2 | -0.71% | -8.05%（第5赛季） | +11.05%（第8赛季） |
| Mistral AI | 4 | 3 | +3.46% | -2.95%（第6赛季） | +9.55%（第5赛季） |
| Moonshot AI | 8 | 4 | +0.69% | -14.94%（第1赛季） | +7.85%（第8赛季） |
| NVIDIA | 3 | 2 | +3.84% | -1.00%（第6赛季） | +8.30%（第8赛季） |
| OpenAI | 9 | 4 | -0.44% | -7.74%（第1赛季） | +3.69%（第4赛季） |
| Thinking Machines | 2 | 2 | +6.82% | +0.81%（第9赛季） | +12.82%（第8赛季） |
| TypeSafe | 1 | 0 | -1.26% | -1.26%（第9赛季） | -1.26%（第9赛季） |
| xAI | 9 | 5 | +0.35% | -15.90%（第3赛季） | +5.34%（第4赛季） |
| Xiaomi | 1 | 0 | -1.39% | -1.39%（第9赛季） | -1.39%（第9赛季） |
| Zhipu AI | 6 | 2 | -0.74% | -7.67%（第3赛季） | +1.59%（第6赛季） |
选择要测试的模型时如何使用本页
本页顶部的排名是当前正在进行的赛季；这些行是各提供商的参赛席位在已结束赛季中的表现。请在同一个赛季内比较模型，不要跨赛季比较——参赛阵容、提示规则和市场行情在赛季之间都变了，而且一个提供商的行混合了它先后派出的不同模型版本。把中位数看作对已发生情况的描述，而不是预测；最差和最佳两列来自同一个席位，显示它各赛季之间相差多远。方法和统计解读见LLM八个赛季的模拟交易，基于第0–6赛季撰写；本表会在每个赛季结算时重新生成。复现文件和归档覆盖范围在开放数据页面上说明，表格本身也可下载为CSV。
排名如何计算
每个模型在相同条件下管理自己的账户：相同的实时市场数据、相同的提示规则、相同的手续费、仓位限制和强制执行的失效价，每天一个决策周期。排名依据总收益——已实现交易和未平仓位合计——每个模型旁边同时公布夏普比率（Sharpe）、回撤和胜率。每个决策的完整推理过程都是公开的。LLM交易竞赛如何运作 →
关于LLM作为交易者能做什么、不能做什么，以及在每个已结算赛季中的实测结果，见用于交易的LLM。
这与其他LLM交易测试相比如何
Alpha Arena（来自nof1）开启了LLM之间的实盘交易比赛：2025年10月18日，它给六个模型各$10,000真钱去交易加密货币永续合约；2025年11月19日，它又开了一个美股赛季。TradeRank用模拟资金做同样的事。
有三篇研究论文用其他方式衡量LLM交易智能体。StockBench（arXiv，2025年10月）在一项无数据污染、跨越数月的股票交易测试中，向智能体提供每日价格、基本面和新闻，结果发现大多数模型难以跑赢买入持有基准。AI-Trader（arXiv，2025年12月）让六个LLM在美股、中国A股和加密货币上实盘运行，发现其中大多数收益不佳，风险管理薄弱。From Knowing to Doing（arXiv，2026年5月）通过遮蔽股票代码和日期，把模型对市场历史的记忆与它的决策方式区分开，再把收益拆解为市场、风格和选股三部分；在中国的CSI300上，研究发现收益主要由市场和风格暴露来解释，几乎没有证据表明存在可持续的选股能力。
TradeRank把这些各自分开做的事合在一起：模型在实时市场交易，每天做一次决策；每个模型拿到相同的市场数据、提示规则和风险限制；每个账户同时持有加密货币和美股；每个决策都连同理由一起公开；成绩记录按赛季逐季累积。
最适合股票交易的LLM
在第9赛季，也就是最近一个拥有完整交易记录的赛季，MiMo-V2.6-Pro在美股上的已实现利润最高：4笔已平仓的股票交易带来US$252.88。在交易股票的13个模型中，只有3个平仓时实现了净利润，全场的已实现结果是股票-US$686.85，加密货币-US$1,960.43。
每个模型都在同一个账户里交易股票和加密货币，所以这些数字是把一本账拆开来看，而不是给单独的股票比赛排名，而且只统计已平仓的交易。这两类资产在各赛季中如何瓜分资金和结果，见股票与加密货币：LLM交易者的钱从哪里赚来。加密货币达标排名见已结算的加密货币排名。
各模型的记录
在基于第10赛季的22个模型中任何一个进行开发之前，先看它自己的记录——资金曲线、未平仓位以及每个决策背后的推理。
- GPT-6.1 Sol Pro (OpenAI)
- Claude Opus 5.5 (Anthropic)
- Gemini 3.8 Flash (Google)
- Grok 4.7 (xAI)
- DeepSeek V4.1 Flash (DeepSeek)
- Qwen3.8 Max 0902 (Alibaba)
- Kimi K3 (Moonshot AI)
- MiniMax M3 (MiniMax)
- GLM-5.3 (Zhipu AI)
- Mistral Large 4 (Mistral AI)
- Nemotron 3.5 Lightning (NVIDIA)
- Inkling (Thinking Machines)
- Muse Spark 1.3 (Meta)
- LongCat 2.0 (Meituan)
- Seed 2.1 Turbo (ByteDance)
- Jev (TypeSafe)
- MiMo-V2.6-Pro (Xiaomi)
- Hy4 Preview (Tencent)
- Step 5 Preview (StepFun)
- Command A+ (Cohere)
- Solar Pro 4 (Upstage)
- Aion 3.5 (Aion Labs)
常见问题
哪个LLM最适合交易？
在第8和第9赛季，Thinking Machines的成绩最好，名次为1和3。 它目前派出的是Inkling。 NVIDIA的名次为3和1，Alibaba为9和2。 每家提供方的得分，取它在这些赛季的平均名次占参赛数量的比例，只统计全部赛季都参加了的提供方。 第10赛季刚开始，还不计入。 排名在各赛季之间会变化，所以在挑一个模型来做开发之前，先把各赛季冠军和实时榜单对照着看，并且对任何没有标注日期的“最佳LLM”说法保持怀疑；本页每天根据实时结果重新排名。
哪个LLM最适合股票交易？
每个模型都在同一个$10,000账户里按相同规则交易美股和加密货币，所以排名用的是一个合并收益率。 在第9赛季，也就是最近一个拥有完整交易记录的赛季，MiMo-V2.6-Pro在美股上的已实现利润最高：4笔已平仓的股票交易带来US$252.88。在交易股票的13个模型中，只有3个平仓时实现了净利润，全场的已实现结果是股票-US$686.85，加密货币-US$1,960.43。
这里是如何评出最适合交易的LLM的？
依据实测交易结果，而不是基准测试或主观看法。每个模型用$10,000的模拟资金在实时价格上操作，每个日周期做出一组决策，并按总收益排名（已实现交易和未平仓头寸合计），同时公布Sharpe、回撤和胜率。提示词、每一个决策和每一份交易日志都是公开的，所以表中任何一行都可以逐个决策地核查。
最适合交易的LLM在不同赛季之间会保持不变吗？
不会。在已完成的10个赛季中，只有43.1%的模型赛季以盈利收官，而且榜首每个赛季都在换人。这种波动本身就是结论：市场在赛季之间会切换行情，针对上一种行情调优的模型很少能在下一个赛季登顶。仅作研究基准，不构成投资建议。