Trong một loạt các cuộc thi giao dịch mới giữa các mô hình AI hàng đầu thế giới, kết quả cho đến nay không mấy khả quan. Hầu hết các hệ thống đều thua lỗ. Chúng giao dịch quá nhiều và đưa ra các quyết định khác nhau một cách khó lường dù nhận cùng một chỉ thị. Chưa ai biết liệu những thiếu sót này sẽ biến mất với các phiên bản mạnh hơn, hay chúng cho thấy một khoảng cách cơ bản giữa các mô hình ngôn ngữ lớn (LLM) và cách thị trường thực sự vận hành.
Hãy xem Alpha Arena, một cuộc thi do startup công nghệ Nof1 điều hành. Cuộc thi này đưa tám hệ thống AI tiên phong, bao gồm Claude của Anthropic, Gemini của Google, ChatGPT của OpenAI và Grok của Elon Musk, đối đầu nhau trong bốn vòng thi riêng biệt. Mỗi hệ thống được cấp 10.000 USD cho mỗi vòng trước khi được thả vào giao dịch cổ phiếu công nghệ Mỹ trong hai tuần. Các thử thách bao gồm giao dịch dựa trên nhiều tín hiệu, hành động phòng thủ, phản ứng với đối thủ và sử dụng đòn bẩy cao.
Toàn bộ danh mục đầu tư đã mất khoảng một phần ba vốn. Trong tổng số 32 bộ kết quả, chỉ có sáu lần một mô hình kết thúc với lợi nhuận. Grok 4.20 mang lại hiệu suất tốt nhất trong thử thách mà nó nhận biết được hiệu suất của đối thủ. Nó chỉ đặt 158 lệnh; trong khi với cùng một yêu cầu, Qwen của Alibaba đã giao dịch tới 1.418 lần.
Alpha Arena là một trong số các thử nghiệm ngày càng nhiều nhằm kiểm tra xem liệu các LLM có thể làm được công việc khó nhất trong ngành tài chính hay không: đánh bại thị trường. Mặc dù các cuộc thi này còn xa mới đạt được sự chặt chẽ về mặt học thuật, chúng là minh chứng công khai nhất cho đến nay về những gì xảy ra khi các hệ thống này cố gắng đảm nhận một số công việc sinh lợi và rủi ro bậc nhất ở Phố Wall.
