UniPat AI تطلق نموذج التنبؤ EchoZ، مع معدل نجاح 63% في التداول الحقيقي على Polymarket، "متفوقًا على المتداولين البشريين"

حجم التداول السنوي لـ PolyMarket قد وصل إلى عدة مليارات من الدولارات، لكن أكثر من 90% من المتداولين يواصلون تحقيق خسائر على المدى الطويل (Dune Analytics، مارس 2026). وفي لعبة يكون جوهرها “التنبؤ بالمستقبل”، لا يقوم معظم الناس إلا بدفع المال لصالح قلة من صناع القرار الأكثر تفوقًا.

إذا كانت نقطة الحسم في من يجيد أكثر الحكم على الاحتمالات، فإن السؤال يصبح: هل يمكن نسخ هذه القدرة؟

يمثل EchoZ-1.0 من UniPat AI إجابة قابلة للقياس على هذا السؤال تحديدًا. ومن خلال مقارنة EchoZ بالمتداولين البشر في Polymarket، تصل نسبة الفوز في القضايا السياسية إلى 63.2%، وعلى صعيد التنبؤات طويلة الأجل إلى 59.3%. قامت الفِرقة ببناء 5 وكلاء EchoZ لإجراء تداول فعلي (على أرض الواقع)، حيث حقق 4 منهم أرباحًا، وكان أفضلهم قد حقق عائدًا بنسبة 15% خلال أسبوع.

هذا ليس نتيجة “حيلة تداول”، بل يبدو أقرب إلى انبثاق قدرات النموذج. يأتي الأعضاء الأساسيون في UniPat AI من فرق نماذج كبيرة مثل Qianwen وKimi وXiaomi وSeed وغيرها، وقد شاركوا لفترة طويلة في بناء نماذج الاستدلال وأنظمة اتخاذ القرارات المعقدة. وفي بيئة أسواق التنبؤ التي تُعد جوهريًا “لعبة احتمالات”، يحاولون استبدال الحدس بشكل منهجي باستخدام النموذج، ثم يكررون التحقق من هذه القدرة في السوق الحقيقي.

والأهم من ذلك، ليست مجرد نموذج يلمع في تقرير، بل هي قدرة تنبؤية يمكن استدعاؤها مباشرة. يعمل UniPat AI على تحويل EchoZ إلى منتج، ويخطط لفتحه للعامة بصيغة API. وبالنسبة للمطورين والمؤسسات، يعني ذلك أنه يمكنهم لاحقًا إدخال سؤال مباشرةً والحصول على مخرجات كاملة تشمل الاستنتاج وتوزيع الاحتمالات وسلسلة الأدلة وتحليل ما إذا كانت الافتراضات عكسية (counterfactual).

قبل أن يصبح الانفتاح فعليًا، توجد مسألة أكثر جدارة بالتفكيك: من أين تأتي ميزة EchoZ في الحقيقة؟

ماذا تعني نسبة الفوز 63%؟

يعرف من مارس ألعاب الاحتمالات أنه في سوق صفري (zero-sum) يخسر فيه معظم الناس، فإن نسبة فوز إحصائيًا تتجاوز 60%+ تمثل مستوى كبيرًا من التفوق. وجود نسبة أعلى من 50% يعني قيمة متوقعة إيجابية، و60% تكفي بالفعل لبناء استراتيجية مربحة ومستقرة.

نِسَب الفوز لدى EchoZ في سيناريوهات منفصلة ضد متداولي Polymarket البشر:

السياسة والحوكمة: 63.2%

التنبؤ طويل الأجل (أكثر من 7 أيام): 59.3%

فترات عدم يقين مرتفعة (ثقة البشر 55%-70%): 57.9%

القانون واضح: كلما تردد البشر وصَعُب عليهم الحكم على السيناريو—الدورات الطويلة، وتداخل لعب العوامل المتعددة، وتفتت المعلومات—كانت ميزة EchoZ أكبر.

وهذا هو بالضبط سيناريو اتخاذ القرار الأكثر قيمة. مسار السياسات التنظيمية، ومتغيرات الاقتصاد الكلي، واقتراحات الحوكمة على السلسلة، وتوقيت إدراج التوكن—في الغالب تقع ضمن أسئلة عالية عدم اليقين، وطويلة الأجل، ومتشابكة العوامل. من يستطيع الاستمرار في تقديم أحكام احتمالية أكثر دقة في هذه السيناريوهات، فسيحصل على “alpha”.

يتصدر EchoZ قائمة General AI Prediction Leaderboard بالترتيب الأول عبر Elo 1034.2، متقدمًا على Gemini-3.1-Pro (1032.2) وClaude-Opus-4.6 (1017.2) وGPT-5.2. تغطي لوحة الترتيب 12 نموذجًا و7 مجالات و1000+ سؤال نشط.

هل هذا الترتيب موثوق؟

عند إنشاء لوحة ترتيب بنفسك، تكون أول ردّة فعل عادة: “تمنح نفسك الجائزة”. لكن قامت UniPat AI بشيء “Crypto Native” للغاية: تم نشر كل البيانات.

جميع أسئلة التنبؤ، وتوزيعات الاحتمالات الناتجة عن النماذج، ونتائج التسوية النهائية—كلها منشورة على echo.unipat.ai بحيث يمكن لأي شخص الرجوع إليها والتحقق منها.

بالإضافة إلى ذلك، تم أيضًا نشر أربع مجموعات من اختبارات الضغط (stress tests):

تعديل المعلمات الأساسية لإطار التقييم (σ من 0.01 إلى 0.50، بإجمالي 9 مجموعات). في جميع الإعدادات، يتصدر EchoZ الترتيب، وهو النموذج الوحيد الذي لا يعاني من أي تذبذب في الترتيب. أما GPT-5.2 فيتذبذب بشكل كبير بين المركز 2 و9.

إلقاء 10%-70% من البيانات عشوائيًا، ومع ذلك يظل الترتيب مستقرًا.

إزالة 1-6 من النماذج من لوحة الترتيب، ويظل ترتيب الباقي تقريبًا دون تغيير.

بعد إضافة نموذج جديد، يمكنه التقارب إلى ترتيب مستقر خلال 5.4 أيام فقط.

شفاف، قابل للتحقق، ومقاوم للتشويش.

كيف جنَت المال؟

يقوم EchoZ بالبحث الذاتي عن المعلومات، وقراءة الأخبار، واستعلام البيانات، ثم يُخرج تقريرًا تنبؤيًا منظمًا على هيئة هيكل: توزيع احتمالات، وسلسلة أدلة، وأسس للحكم، ويمكن تتبّع كل خطوة استدلال.

انظر إلى ثلاثة أمثلة حقيقية:

توقع القيمة السوقية لشركة NVIDIA. في 18 مارس 2026، أجاب EchoZ عن “من هي الشركة التي ستكون صاحبة أعلى قيمة سوقية عالميًا في 31 مارس؟” وأعطى احتمالًا لـ NVIDIA بنسبة 98%. ليست المبررات مجرد معلومة واحدة، بل عدة سلاسل أدلة مستقلة تتحقق بشكل متقاطع: القيمة السوقية لـ NVIDIA حوالي ~$4.43T-$4.45T، وهي تتقدم على Alphabet وApple بنحو $7000 مليون (حوالي 7000 مليار دولار)، ومن غير الممكن تقريبًا تعادلها خلال 9 أيام تداول؛ قامت وزارة التجارة الأمريكية في 13 مارس بسحب قواعد تنظيم تصدير شرائح الذكاء الاصطناعي (AI)، ما أزال أكبر مخاطر تنظيمية قبل الموعد المستهدف؛ التقلب الضمني في سوق الخيارات لا يتجاوز ±1.98%، ولم يحدث في سوق المشتقات هبوط فادح يمكنه مسح فجوة التفوق البالغة 15% في تسعير مرة واحدة؛ تسبب إيقاف تشغيل منشآت غاز الهيليوم في قطر في مخاطر سلسلة الإمداد، لكن TSMC (تايوان) لم تتوقف عن التشغيل بعد. تقفل الأدلة الأربعة الاستنتاج من أربعة أبعاد: حسابات القيمة السوقية، والتنظيم، وتسعير المشتقات، وسلسلة الإمداد.

توقع وصول ETH إلى مستوى جديد. في 18 مارس 2026، أجاب EchoZ عن “هل سيصل ETH/USDT إلى أعلى مستوى تاريخي قبل 31 مارس؟” وأعطى احتمالًا بنسبة 99% مع حكم “لا”. سلسلة الاستدلال واضحة: السعر الحالي قرابة $2,220-$2,340، وأعلى مستوى تاريخي $4,956.78، ويلزم خلال 13 يومًا ارتفاع بنسبة 112%-123%؛ تثبيت بنك الاحتياطي الفيدرالي لمعدل الفائدة عند 3.50%-3.75% مع استمرار تصاعد التوتر بين الولايات المتحدة وإيران، ما يضغط على الأصول عالية المخاطر من الارتفاع المبالغ فيه؛ USDT مربوط/مُثبّت (مُرتكز) على الاستقرار، وعمق ETH/USDT على Binance كافٍ (سيولة $35M ضمن نطاق سعر 2%)، ما يستبعد الحالات الشاذة في السعر الاسمي الناجمة عن انفكاك تثبيت العملة المستقرة (depeg). تحقق سلاسل الأدلة الثلاثة بشكل متقاطع ليتوافق معها إجماع Polymarket أيضًا بنسبة احتمال أقل من 1%.

توقع صاحب أفضل بذرة (seed) في المنطقة الغربية. في 18 مارس أيضًا، توقع EchoZ أن يكون حامل البذرة الأولى في المنطقة الغربية لموسم 2025-26 من NBA، وأعطى احتمالًا لـ Thunder (أوكلاهوما سيتي ثاندر) بنسبة 89.9%. منطق الأساس: فوز Thunder بـ 54 مباراة وخسارة 15، مع تقدم على Spurs بـ 3 مباريات؛ ولكل من الفريقين 13 مباراة متبقية. لدى Spurs ميزة سجّل المواجهات المباشرة (4-1)، ويكفيهم التعادل/المطابقة فقط، لكن Spurs يواجهون أصعب جدول متبقٍ في الدوري بأكمله (نسبة فوز الخصوم .560). “magic number” لدى Thunder لا يتجاوز 11، ويكفيهم الأداء الطبيعي لضمان التأهل. يمكن للـ Lakers تحقيق ما يصل إلى 57 فوزًا فقط، وبالمعادلات يكونون خارج المنافسة، وبذلك يتأكد أن الصراع هو بين الفريقين.

الأهم: هذه التوقعات ليست مجرد اختيار لاحق بعد وقوع النتائج. يمكن الرجوع إلى وقت إجراء التوقع لكل سؤال، ومخرجات توزيع الاحتمالات، ونتائج التسوية—وكلها متاحة للمراجعة والتحقق.

لماذا لا يستطيع GPT وClaude القيام بذلك؟

ببساطة، طرق التدريب مختلفة.

تستخدم نماذج كبيرة متداولة في السوق بيانات تاريخية لتدريب القدرة على التنبؤ، لكن للبيانات التاريخية مشكلتان: عندما يقوم النموذج بالبحث في الويب، فإنه قد يصطدم بالجواب بسهولة (تسريب البيانات)، كما أن العشوائية في الواقع قد تجعل النموذج يتعلم الضجيج—فالمحلل الجيد الذي يصطدم بـ “البجعات السوداء” (حدث غير متوقع) يُعاقَب، بينما التخمين العشوائي إذا صادف الحظ يُكافأ.

يسمى نمط تدريب EchoZ Train-on-Future: يطلب مباشرةً من النموذج التنبؤ بالأحداث التي لم تقع بعد، مع تقييم جودة عملية الاستدلال، وليس انتظار ظهور الجواب. قد يخطئ المحلل الجيد أحيانًا، لكن معدل الفوز على المدى الطويل يكون مرتفعًا—والمنطق التدريبي لـ EchoZ يشبه هذا تمامًا.

لكن من يحدد “الاستدلال الجيد”؟ الفروق هائلة بين المجالات المختلفة. نهج UniPat هو استخدام معايير بحث مدفوعة بالبيانات لتقييم الجودة (Rubric Search): تجهيز مجموعة من أبعاد التقييم المرشحة، ثم استخدام هذه الأبعاد لترتيب وتسجيل درجة عمليات الاستدلال الخاصة بالنموذج، ومقارنتها بعد ذلك بترتيب Elo المبني على النتائج الفعلية—فكلما ارتفعت درجة التطابق، اقتربت هذه المعايير أكثر من السمات الحقيقية لـ “الاستدلال الجيد”. يتم البحث على مستوى كل مجال، مع تحسينات دورية في كل جولة تكرارية.

والنتائج التي تم التوصل إليها مثيرة للاهتمام. في مجال السياسة، توجد 20 بُعدًا كمعيار تقييمي مثالي، بما في ذلك “كشف إشارات الغياب”—هل يعامل النموذج “عدم حدوث شيء” كإشارة مهمة (على سبيل المثال: عدم وجود دعاوى جديدة لدى المحكمة، وعدم صدور بيانات/إعلانات جديدة من الجيش؛ وهذا بحد ذاته يُعد معلومة). وكذلك “تقييم الفصل بين الأقوال والأفعال”—التمييز بين التصريحات اللفظية للسياسيين على وسائل التواصل الاجتماعي وبين الإجراءات التنفيذية التي تدخل فعلًا في مسار الإجراءات القانونية. هذه الأبعاد كلها تم استخراجها من البيانات؛ وما يعادل هذا التفصيل لن يتوصل إليه البشر بمجرد التخمين من رؤوسهم.

ماذا يمكن فعله بعد فتح API؟

يقترب Prediction API من أن يصبح متاحًا للشركات والمطورين. يدعم إدخال سؤال تنبؤي بصياغة اللغة الطبيعية، ثم يعيد تقريرًا منظمًا كاملًا على النحو التالي:

توزيع الاحتمالات: حكم مُكمّم على مختلف نتائج الحدث

سلسلة الأدلة: عدة أدلة مستقلة تدعم الحكم، مرتبة حسب الأوزان

تحليل ما إذا كانت الافتراضات عكسية: كيف يتحرك توزيع الاحتمالات عند تغيّر المتغيرات الرئيسية

توصيات المراقبة: الإشارات التي يلزم متابعتها باستمرار وظروف/شروط التشغيل

بالنسبة للبورصات ومنصات سوق التنبؤ، فهذا يعني أنه يمكن تقديم طبقة تنبؤات AI للمستخدمين مباشرةً: عندما يقوم المستخدم بعرض عقد تنبؤ، يمكنه رؤية بجانبه أحكام EchoZ الاحتمالية والأسس الجوهرية والمتغيرات الرئيسية. وبالنسبة لفرق الكمي (quant)، يمكن استخدام مخرجات الاحتمالات المنظمة مباشرةً كعوامل (factors) للاستراتيجيات. وبالنسبة لبروتوكولات DeFi، فإن احتمال الحدث يصبح بُعدًا جديدًا لبيانات السلسلة—مثل الخيارات التي تعمل عند الشروط، وتسعير التأمين بناءً على التنبؤ، ومعلمات التحكم الديناميكي بالمخاطر. حاليًا لا توجد تقريبًا مصادر موثوقة لبيانات احتمالات الأحداث على السلسلة، وهذا هو الفراغ الذي يحاول EchoZ ملأه.

إنها فئة جديدة: قدرة التنبؤ بوصفها بنية تحتية قابلة للاستدعاء.

لماذا يقوم بهذه المهمة هؤلاء تحديدًا؟

يأتي فريق UniPat AI الأساسي من فرق نماذج كبيرة رائدة مثل Qianwen وKimi وXiaomi وSeed وغيرها، ويضم أكثر من عشرة باحثين، وتتركز اهتماماتهم في التعلم المعزز (Reinforcement Learning)، وأنظمة الوكلاء (Agent)، وتوليف البيانات، وتقييم النماذج. وقد حصلوا على دعم من عدة صناديق استثمارية دولارية رائدة.

هذا التكوين للفريق يفسر شكل منتج Echo. إن بناء ذكاء تنبؤي يتطلب حل ثلاثة مشكلات معًا: كيف تتعلم (RL + مكافآت على العملية)، كيف يتم التقييم (نظام تقييم ديناميكي)، وكيف تجعل النموذج يبحث عن المعلومات بنفسه ليُجري الحكم (Agent). وهذه الثلاثة تتوافق تمامًا مع أكثر المجالات التي يتمتع فيها هذا الفريق بكفاءة.

اختاروا بناء بنية تحتية للتنبؤ لأن قدرة التنبؤ قابلة بطبيعتها للقياس الكمي، وقابلة للتحقق، وقابلة للربح—وهي من بين فئات قدرات نماذج الـLLM القليلة التي ترتبط مباشرةً بالقيمة التجارية.

توضح UniPat AI: “قدرة التنبؤ هي واحدة من عدد قليل من قدرات AI يمكن ربطها مباشرةً بالقيمة التجارية. عندما تصبح أحكام الاحتمالات قابلة للتنظيم والتحقق والاستدعاء، فإنها ستصبح مدخلًا أساسيًا في أنظمة التداول والمال.”

الخطوة التالية

خلال السنوات الماضية، تم “تأسمنة/API-ification” قدرات مثل النصوص والصور والرمز البرمجي (الشفرة).

القادم الذي قد يصبح قابلًا للاتصال عبر API ربما هو “القدرة نفسها على الحكم بشأن عدم اليقين”. عندما تتحول أحكام الاحتمالات للمستقبل إلى معلمة قابلة للاستدعاء والتكامل والتحقق، فإن سلسلة القرارات التي يمكن تضمينها—مثل استراتيجيات التداول ونماذج إدارة المخاطر وتسعير المنتجات وتنبيهات الامتثال—ستكون أوسع بكثير من سوق التنبؤات نفسه.

يمكن تلخيص ما ستفعله Echo في جملة واحدة: تحويل “ما الذي سيحدث في العالم بعد ذلك” إلى مدخلات يمكن للمطورين استدعاؤها.

موقع ECHO الرسمي:

المدونة التقنية：