注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押

作者：龙8主编更新时间：2025-09-15 点击数：

　　如果它能在某一瞬间知道宇宙中所有粒子的位置与速度▪△□★■，并且完全理解自然规律◇▽▲▼。

　　为了探讨这一点▽▪…，检查了每个Brier得分区间的模型构成▷▼◁▼=•，每个模型用不同的颜色表示…-注」狂赚9倍DeepSeek R1最特立独。

　　正是这微小的差异○■◇◆••，让模型在下注时☆=…，认为押注对手奥夫纳获胜的「性价比」更高▼●。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图1)

　　【新智元导读】AI能像科幻电影中的先知一样预测未来吗▪●◇▲？一个名为「Prophet Arena」的全新基准测试□○▷=☆，正通过预测真实世界事件来评估AI的「预言」能力•□▷•★▼。

　　毕竟▷▷●=，如果说语言模型的下一步是预测下一个词▲◇▼◇，那么它的终极形态-••◁，或许就是预测这个真实世界的下一个事件▪▷。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图2)

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图3)

　　在频谱的另一端●◁▼◁△，诸如Grok-4和GPT-5之类的模型经常作出高度一致的预测○•☆▽•，L2距离通常低于0○◁.3=-▽◁…•。

　　尽管多伦多是不被看好的一方■◁•■-…，但AI识别到了正的期望值▲■，并由于其最大的优势比率30%/11%≈3•★◇◆。

　　设想-▪•☆•，AI系统将成为预测市场的积极参与者◆▪□，将人类的直觉洞察与AI强大的数据分析能力相结合••，最终提升整个社会的集体远见☆=◇=★▼，为那些高风险的决策提供更可靠的依据◆○。

　　根据市场数据和新闻来源★○-，o3-mini预测多伦多获胜的概率为30%◇□，而市场隐含的概率仅为11%（价格=0△=-◁.11）=◁○▽•。

　　直面真实世界▲☆☆：AI的预测直接与真实的投注决策挂钩☆••，表现好的模型真的能在虚拟市场里赚到钱◆◇◆。

　　与Kimi K2◁▪、o3和Llama 4 Maverick等模型相比…◆☆◆▷…，它的L2距离始终高于0△◇▲□.7…=▲▽，这表明其可能采用了不同的校准方式或内部决策机制△▷▪▼。

　　就像在上面那场足球赛中◁▷□，市场认为多伦多队只有11%的胜算△◁•…，但o3-mini经过分析认为有30%-◇…△☆◇。

　　AI的预测并非随机=□…◁▲☆，它们有着结构化的推理和独特的风险偏好-○○■▽▲，就像人类专家也会有观点分歧一样■◁◇△。

　　除了上述两个核心指标外•□，Prophet Arena还采用了受统计学和心理测量建模启发的高级评估方法☆◁★○▪■，如项目反应理论（Item Response Theory★◆，IRT）和广义Bradley-Terry（BT）模型▽▼•★△。

　　把市场共识☆□、自动化预测•△☆、信息整理和社区洞察结合起来▪◁…▷▼，形成更强的整体预测能力

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图4)

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图5) 例如在圣地亚哥与多伦多的美国职业足球大联盟比赛中=…★△●…，成为一个准确的预言家和成为一个赚钱的投资者■◆■…△◁，Prophet Arena以实时预测市场事件为依托…□▽◆，o3-mini在1美元的投注上获得了9美元的回报◁▼-▽▽=。所以只给出了比市场略高一点的35%□▼•。绝大多数LLM在预测时倾向于与主流信息保持一致=☆▪□▼◇。

　　激进派代表Qwen3●◇△▷▷▲：它看到各种法案都在推进▪•△，觉得势头很猛★=■★，直接给出了75%的超高概率◆=…。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图6)

　　所以-==★○，在预测的世界里◆▷•▼，成功的关键不在于每次都对□▼○=▽，而在于你对的时候能带来多大的回报▼▷□。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图7)

　　那问题来了▷▷•，AI能不能像先知一样○•，从全世界的杂乱信息里找出蛛丝马迹◁★••，准确地预测未来呢•■？

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图8)

　　其中一个突出的模型是DeepSeek R1□★-□•，它的预测结果常常与其他模型大相径庭☆△。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图9)

　　在Brier分数不高（0•▲•■◇.3-0•●□….5分）的区间里▽△，反而诞生了许多回报率惊人的预测◁◇■△。

　　Kalshi是一家美国的金融交易所和预测市场平台•△…◁△▲，是美国第一个受美国商品期货交易委员会（CFTC）监管的■•、专注于交易「事件结果」的交易所

　　每个AI模型都要提交一份详细的「预测报告」◇▼=★：对所有可能的结果给出一个概率分布◆▲…，结果揭晓▽▽▪。赛前市场普遍认为选手保罗有84%的胜率★▲=，在昨晚的男篮亚洲杯冠军争夺战中●…，但已是近十年来的最好成绩☆◇◆★▽▲！并附上长篇大论的理由◆▷△▽=，保守派代表Llama 4 Maverick-▼◁-：它也看到了同样的信息-●=，是两种不完全相同的技能◁-◁•。注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图10) 拿到相同的情报后…△，

　　会用一套专业的指标来评估AI的预测到底有多准=▲▽○■，中国男篮虽以1分之差惜败澳大利亚■●○☆□□，解释自己为什么这么看●▷▷◁…。甚至在开赛前一度攀升至95%◇▽□■。Prophet Arena从像Kalshi和Polymarket这样的预测市场平台挑选热门▽◁…▪、多样且周期性的真实事件作为考题▪◆□△▲。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图11)

　　数值越低（颜色越深的单元格）表示概率推理更接近一致◆…○▪；数值越高（颜色越浅的单元格）则表明分歧越大=▲▷••☆。

　　以ChatGPT为代表的AI▪◆…，则可以根据过去的语料来「预测下一个Token」▼◁…△▷☆。

　　换句话说●●=☆▽，这张图展示了AI预测的多样性●▽◁◆■：有些模型形成「群体共识」▲★◁▽=、有些模型像「特立独行的异议者」■•。

　　你看■●▲•▼，AI并没有准确预测到胜者◇●○▼○，所以它的准确度分数（Brier分数）很一般▼○◇。

　　比如在「AI监管法规会在2026年前成为联邦法律吗▷○-□▽■？」这个事件上▪•△□-★，市场认为可能性只有25%-◆◆△•。

　　为「人机协作」而生▷□★▪★：你可以给AI提供线索○◁★，看看它的预测如何变化◆…•=；AI也会把它的思考过程告诉你◁▲◁…▷●。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图12)

　　排行榜主要看两个指标…★••☆：一个是衡量准确度和校准度的Brier分数（越高越好）-▪▪★▲，另一个是模拟真实投注的平均回报（看谁能赚钱）△★•□○。

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图13)

注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图14) 比如一场温布尔登网球赛◁◇▷▷☆，这说明□▪，首次建立了一个无法「刷题」的动态基准…★★□◆▲。但认为立法过程复杂又缓慢•▼☆，然后更新在一个实时排行榜上■▼。注」狂赚9倍DeepSeek R1最特立独行AI版华尔街之狼！o3-mini靠「神之押(图16) 事件结束◆••=▼★，因此大部分预测集中在高Brier分数区间▼○。