Når algoritmer handler aktier, hvem står så til ansvar?
TradingAgents fra TauricResearch bruger flere AI-agenter til finansiel analyse og handel. Nyeste version retter fejl i data og understøtter flere sprogmodeller.
Læs i dit tempo
Kort
TradingAgents 0.4.0 er udgivet med fejlrettelser, der forhindrer agenter i at bruge fremtidige data.
Det betyder mere pålidelige markedsanalyser og klarere handelssignaler for udviklere.
Nu understøtter værktøjet flere sprogmodeller og kan hentes frit på GitHub.
Begynder
TauricResearch har udgivet en ny version af deres open source-værktøj TradingAgents. Det er et program, der bruger flere kunstige intelligenser, kaldet agenter, til at analysere finansielle markeder og træffe handelsbeslutninger. Tænk på det som et team af digitale analytikere, der hver især har forskellige opgaver, men arbejder sammen for at finde de bedste handler. Værktøjet er gratis at bruge og kan hentes fra GitHub.
Den nye version 0.4.0 retter flere fejl, som tidligere kunne give forkerte resultater. For eksempel er der rettet i data fra økonomiske kilder som FRED og sociale medier, så agenterne ikke ved et uheld bruger information fra fremtiden, når de laver analyser. Det er vigtigt, fordi det ellers kan få systemet til at se smartere ud, end det reelt er. Der er også kommet tydeligere signaler for, hvornår man skal købe eller sælge, og det er nu nemmere at genoptage et tidligere afbrudt forløb direkte fra kommandolinjen.
TradingAgents understøtter nu flere forskellige sprogmodeller, herunder GPT-5.6 og GLM-5.3. Tidligere versioner har løbende udvidet understøttelsen til modeller fra udbydere som DeepSeek, Qwen og Mistral. Det betyder, at udviklere selv kan vælge, hvilken kunstig intelligens de vil bruge, alt efter hvad der passer bedst til deres behov. Systemet kan også arbejde med såkaldte OpenAI-kompatible endepunkter, hvilket gør det fleksibelt at integrere med forskellige tjenester.
Projektet har været under udvikling siden starten af 2026, hvor den første tekniske rapport blev offentliggjort. Siden da er der kommet mange opdateringer, og den nyeste version er et skridt videre mod at gøre automatiseret handel mere pålidelig og tilgængelig for alle, der har lyst til at eksperimentere med det.

TauricResearch har udgivet version 0.4.0 af TradingAgents, et open source-framework, der bruger flere LLM-agenter til finansiel handel. Værktøjet er bygget til at analysere markeder og træffe handelsbeslutninger ved at lade forskellige agenter samarbejde.
Den nye version retter en række fejl, der tidligere kunne give misvisende resultater. Blandt andet er der rettet i data fra FRED og sociale medier, så agenterne ikke kigger frem i tiden, når de analyserer. Der er også kommet klarere beslutningssignaler og bedre understøttelse af at genoptage tjekpunkter fra kommandolinjen.
TradingAgents understøtter nu flere sprogmodeller, herunder GPT-5.6 og GLM-5.3. Tidligere versioner har løbende udvidet understøttelsen til modeller fra DeepSeek, Qwen, Mistral og andre udbydere.
Frameworket er designet til at køre med forskellige LLM-udbydere, herunder OpenAI-kompatible endepunkter. Det giver udviklere mulighed for at vælge den model, der passer bedst til deres behov.
TradingAgents er udgivet under open source-licens og kan hentes fra GitHub. Projektet har løbende fået opdateringer siden starten af 2026, hvor den første tekniske rapport blev offentliggjort.
Det er uklart: Kilderne giver ikke detaljer om, hvordan frameworket præsterer i praksis, eller hvilke risici der er ved at bruge det til faktisk handel.
Kilder
- Multi-Agents LLM Financial Trading Framework github.com
- Multi-Agents LLM Financial Trading Framework https:// github.com/TauricResearch/Trad ingAgents # github # llm mastodon.social
- Multi-Agents LLM Financial Trading Framework https:// github.com/TauricResearch/Trad ingAgents Comments: https://… mastodon.social
Produktionshistorie
- Radar Signal ? af 100 · spredning 2 kilder
- Vurdering Nyheds 3/5 — Konkret framework til finansiel trading med multi-agenter.
- Skrevet Model: deepseek-v4-flash · temperatur 0.4
- Overskrift 5 kandidater, valgt af deepseek-v4-flash
- Billede Genereret af gemini-2.5-flash-image
- Vedtagelse ainews-auto-v3 · score 0.6405