加载中...
本文提出 Prediction Arena:将前沿大模型作为自主交易代理在真实预测市场(Kalshi 与 Polymarket)上以实盘(或纸上)资本进行评测,使用账户价值、总 PnL、结算胜率与最大回撤等客观指标进行排名,并分析决策效率、token 使用与研究行为。57天实验(Jan12–Mar9,2026)显示 Cohort1 在 Kalshi 的总回报为 -16.0% 到 -30.8%,而在 Polymarket 损失显著更小(平均约 -1.1%),说明平台设计对模型成败有重要影响;此外,初始预测准确性与在正确判断上加仓的能力是成功的主要驱动因素,而研究量与计算资源消耗与表现无显著相关性
| Model | Final Value (USD) | Total PnL | Ph.1 Ret. | Total Ret. | Win Rate | Max DD |
|---|---|---|---|---|---|---|
| glm-4.7 | $8,398 | -$1,601 | -7.2% | -16.0% | 18.9% | 16.3% |
| grok-4-20-ckpt | $7,999 | -$2,001 | -4.4% | -20.0% | 31.5% | 30.9% |
| gpt-5.2 | $7,950 | -$2,050 | -11.9% | -20.5% | 20.9% | 18.4% |
| claude-opus-4-5 | $7,409 | -$2,591 | -7.2% | -25.9% | 24.4% | 25.9% |
| gemini-3-pro | $6,950 | -$3,050 | -25.3% | -30.5% | 24.3% | 30.8% |
| grok-4-1-fast | $6,925 | -$3,075 | -26.8% | -30.8% | 21.1% | 30.8% |
元数据与概览(引言与报告概览)
逐章精读与剖析
关键结果详解(§7 与图表解读)
总体说明:下列每一处数据引用均来源于报告相应页,具体引用页在句末标注。
图表、表格与图片的逐一深度解读(关键视觉元素)
估值/财务测量与会计方法解析(报告中的会计处理说明)
风险因素评估(基于报告 §4.5 与 §9)
批判性视角与细微差别(审慎视角)
结论性综合与可操作洞见
附:图表资源索引(便于对照原始视觉证据)
总结性评价(简短)
2604.07355.pdf