Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com7. September 2026 · Q011005

Seven AI Models Traded Prediction Markets for a Week. Five Lost Money.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der vorliegende Berichtstext ist nur ein Auszug, da der vollständige Artikel hinter einer Medium-Mitgliederbeschränkung liegt. Laut Auszug erzielten bei PolyBench zwei von sieben Sprachmodellen positive, nach Konfidenz gewichtete Renditen; fünf verloren Geld, obwohl sie im Mittel hohe Sicherheit angaben. Die angekündigten weiteren Benchmark-Ergebnisse und die Erklärung einer dritten Studie sind nicht enthalten.

Mittel

Der vorliegende Berichtstext ist nur ein Auszug; der vollständige Medium-Artikel ist durch eine Mitgliederbeschränkung gesperrt. Sichtbar ist die Beschreibung von PolyBench: Sieben Sprachmodelle bewerteten Tausende entschiedene Polymarket-Kontrakte und legten ihre Einsätze entsprechend ihrer Zuversicht fest. Die Abrechnung nutzte laut Autor reale Orderbuch-Momentaufnahmen und berücksichtigte damit die Geld-Brief-Spanne.

Zwei Modelle erzielten eine positive, konfigurationsgewichtete Rendite, fünf verloren Geld. Diese fünf meldeten im Durchschnitt Konfidenzwerte von 0,808 bis 0,871. Der Autor wertet dies als Beispiel für Verluste trotz hoher Sicherheit. Er stellt das Ergebnis einer wachsenden Kategorie von KI-Handelsagenten, Prognosedashboards und Tippdiensten gegenüber, deren Versprechen bessere Einschätzungen als der Markt seien. Der Auszug behauptet außerdem, zwei unabhängige Benchmarks hätten dieses Versprechen mit echtem Geld geprüft; eine dritte Arbeit erkläre ein tieferes Problem. Ihre Ergebnisse und die angekündigte Erklärung sind im gesperrten Teil nicht sichtbar. Eine Überschrift nennt eine Sharpe Ratio von 0,02, erklärt sie aber nicht.

Ausführlich lesen

Der vorliegende Berichtstext ist nur ein Auszug: Die Medium-Seite sperrt den vollständigen Artikel hinter einer Mitgliederbeschränkung. Die Zusammenfassung kann daher nur die im sichtbaren Teil genannten Angaben wiedergeben.

Der Auszug beschreibt PolyBench, einen Benchmark, bei dem sieben Sprachmodelle Tausende bereits entschiedene Polymarket-Kontrakte erhielten. Jedes Modell sollte seine Einsätze danach bemessen, wie sicher es sich bei seinen Einschätzungen war. Laut Bericht wurden die Ergebnisse anhand realer Momentaufnahmen der zentralen Orderbücher abgerechnet. So seien auch die Kosten durch die Geld-Brief-Spanne berücksichtigt worden, die bei einem tatsächlichen Handel angefallen wären.

Das berichtete Ergebnis: Zwei der sieben Modelle erzielten eine positive, nach ihrer Konfidenz gewichtete Rendite. Die übrigen fünf verloren Geld. Zugleich hätten diese fünf im Durchschnitt Konfidenzwerte zwischen 0,808 und 0,871 angegeben. Der Autor deutet das als Hinweis darauf, dass die Modelle trotz hoher Sicherheit häufig falsch lagen. Weitere Kennzahlen oder Einzelheiten zur Auswertung des Benchmarks enthält der sichtbare Auszug nicht.

Der Text ordnet dieses Ergebnis in eine wachsende Produktkategorie ein: Er nennt gehostete Handelsagenten für Kalshi und Polymarket, kostenlose Dashboards mit KI-Prognosen sowie kostenpflichtige Tippdienste mit Sprachmodellen. Deren Verkaufsversprechen bestehe laut Autor häufig darin, dass ein Modell mehr Informationen verarbeite und deshalb bessere Preise als die Marktteilnehmer finde. Der Auszug behauptet, zwei unabhängige Benchmarks hätten diese Behauptung inzwischen mit echtem Geld untersucht. Außerdem kündigt er eine dritte Studie an, die erklären soll, warum das Problem über bloße Fehlprognosen hinausgehe.

Diese weiterführenden Belege und Erklärungen sind im vorliegenden Text nicht enthalten: Direkt nach einer Zwischenüberschrift zu zwei Gewinnern, fünf Verlierern und einer Sharpe Ratio von 0,02 folgt die Aufforderung, ein Konto anzulegen, um den vollständigen Bericht zu lesen. Die angekündigten Ergebnisse der weiteren Benchmarks und der dritten Arbeit lassen sich aus dem Auszug daher nicht beurteilen. Auch zur erwähnten Sharpe Ratio liefert er keine Erläuterung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 31 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 38 %gleiches Oberthema, hilft nicht
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 69 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 51 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 40 %gleiches Oberthema, hilft nicht
    • JEV 32 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
  1. SF-W3 Wie schützt man Finanzmärkte vor Folgen von KI, von vertraulichen Entscheidungen über Pausen bis zu Kursstürzen in Sekunden?
    • clef 21 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 41 %gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →