UniPat AI が EchoZ 予測モデルをリリース、Polymarket の実取引勝率63%、「人間のトレーダーを超える」

PolyMarket の年間取引量はすでに数十億ドルに達しているが、取引者の 90% 以上が長期的に損失を出している（Dune Analytics、2026 年 3 月）。未来を「予測すること」を中核に据えたゲームの中で、大多数の人は実際には少数のより優れた意思決定者に対して賭けているだけだ。

勝敗の鍵が、誰が確率をより上手く判断できるかにあるのだとすれば、問題はこうなる。──その能力は、コピーできるのか？

UniPat AI の EchoZ-1.0 は、この問いに対して定量化できる答えを提示している。Polymarket の人間トレーダーとの比較において、その政治関連の勝率は 63.2% で、長期予測では 59.3% だ。チームは 5 つの EchoZ Agent を構築して実トレードを行い、そのうち 4 つが収益を上げている。最も優れた 1 つは 1 週間で 15% のリターンを達成した。

これは「取引テクニック」の成果というより、モデル能力の波及（外溢）のようなものだ。UniPat AI の中核メンバーは Qianwen、Kimi、Xiaomi、Seed などの大規模モデルチーム出身で、推論モデルや複雑な意思決定システムの構築に長期的に携わってきた。予測市場という本質的に「確率のゲーム」の環境で、彼らはモデルを用いて直感を体系的に置き換え、それを実市場で繰り返し実検証している。

さらに重要なのは、これはレポート内で目立つだけのモデルではなく、直接呼び出せる予測能力の一式だということ。UniPat AI は EchoZ をプロダクト化しており、API 形式で外部に公開する計画がある。開発者や機関にとって、これは今後、質問を直接入力すれば、結論、確率分布、証拠チェーン、反事実分析を含む完全な出力が得られることを意味する。

本当に公開される前に、より分解して考える価値がある問いがある。それは：EchoZ の優位性はいったいどこから来ているのか？

63% の勝率が意味するもの

確率のゲームをやったことがある人なら知っている。大多数が損をするゼロサム市場で、統計的な 60%+ の勝率とは、どれほどの規模の優位性なのか。50% を超えれば正の期待値があり、60% なら安定した収益を構築するのに十分だ。

EchoZ の Polymarket 人間トレーダーに対する分野別勝率：

政治とガバナンス：63.2%

長期予測（7 日以上）：59.3%

不確実性の高い区間（人間の自信 55%-70%）：57.9%

ルールははっきりしている。人間が迷えば迷うほど、判断が難しい場面ほど──長い期間、多要因の駆け引き、情報の断片化──EchoZ の優位性は大きくなる。

それはちょうど、最も価値の高い意思決定の場面だ。規制の政策の方向性、マクロ経済変数、オンチェーン・ガバナンス提案、トークン上場のタイミングは、多くの場合、ハイレベルの不確実性、長い期間、多要因が絡む問題に属する。こうした場面で、誰がより正確に確率判断を継続できるか──その人が alpha を持つ。

EchoZ は General AI Prediction Leaderboard で Elo 1034.2 により 1 位で、Gemini-3.1-Pro（1032.2）、Claude-Opus-4.6（1017.2）、GPT-5.2 を上回っている。ランキングは 12 のモデル、7 つの領域、1000+ のアクティブなクエスチョンをカバーしている。

このランキングは信頼できるのか

自作のランキングで 1 位は、第一反応として「自分に自分で賞を出しているだけ」だ。UniPat AI は とても Crypto Native なことをやった。つまり、データをすべて公開したのだ。

すべての予測問題、モデル出力の確率分布、最終的な決着結果は、すべて echo.unipat.ai に公開されており、誰でも遡って検証できる。

それに加えて、4 つのストレステストも公開されている：

採点フレームワークのコアパラメータを調整（σ を 0.01 から 0.50 まで、全 9 セット）。EchoZ はあらゆる設定で 1 位であり、唯一「ゼロの変動」があるモデル。GPT-5.2 は 2 位から 9 位の間で大幅に変動する。

データの 10%-70% をランダムに捨てても、ランキングは依然として安定。

1-6 個のモデルをランキングから除外しても、残りの順位はほぼ変わらない。

新しいモデルが追加されても、5.4 日で安定した順位に収束する。

透明性があり、検証可能で、干渉に強い。

それはどうやってお金を稼いだのか

EchoZ は自律的に情報を探索し、ニュースを読み、データを照会し、その上で構造化された予測レポートを出力する。確率分布、証拠チェーン、判断根拠で、推論の各ステップはすべて追跡可能だ。

3 つの実例を見てほしい：

NVIDIA の時価総額予測。2026 年 3 月 18 日、EchoZ は「3 月 31 日における世界の時価総額が最も高いのはどの会社？」と回答し、NVIDIA に 98% の確率を提示した。根拠は 1 つの情報ではなく、複数の独立した証拠チェーンによる交差検証だ：NVIDIA の時価総額は ~$4.43T-$4.45T で、Alphabet と Apple を約 $7000 億リードしており、9 営業日以内にほぼ追い付かれることはない；米国商務省が 3 月 13 日に AI チップの輸出規制のルールを撤回し、目標日までの最大の規制リスクを消した；オプション市場の含意ボラティリティはわずか ±1.98% で、デリバティブ市場では、価格付けの 1 回で 15% のリード優位を打ち消すような急落が起きていない；カタールのヘリウム施設の停止がサプライチェーンのリスクになるが、TSMC はまだ停止していない。4 つの証拠は、それぞれ時価総額の数学、規制、デリバティブの価格付け、サプライチェーンという 4 つの次元から結論を固めている。

ETH の新高値予測。2026 年 3 月 18 日、EchoZ は「ETH/USDT は 3 月 31 日までに史上最高値を更新するか？」に回答し、確率 99% で No と判定した。推論チェーンは明確だ：現在の価格は約 $2,220-$2,340 で、史上最高値は $4,956.78；13 日以内に 112%-123% の上昇が必要；米連邦準備制度は 3.50%-3.75% の金利を維持し、米伊の衝突を伴うマクロ環境はリスク資産の急騰を抑制する；USDT は安定コインとしてアンカーされており、Binance の ETH/USDT は流動性が十分（2% の価格帯内で $35M の流動性）で、ステーブルコインの脱アンカーによる名目価格の異常を排除できる。3 つの独立した証拠チェーンによる交差検証で、Polymarket のコンセンサスも同様に <1% の確率を示した。

NBA ウエスタンの 1st シード予測。これも 3 月 18 日に、EchoZ は 2025-26 シーズンの NBA ウエスタンの首位シードを予測し、オクラホマシティ・サンダーに 89.9% の確率を提示した。主要ロジック：サンダーは 54 勝 15 敗で、スパーズに 3 ゲーム差をつけており、両チームにはそれぞれ残り 13 試合。スパーズは対戦成績で優位（4-1）だが、追い付けばよい一方で、スパーズの残り日程はリーグ最も難しい（対戦相手の勝率 .560）。サンダーの magic number は 11 で、通常のパフォーマンスでロックできる。レイカーズの最大勝利数は 57 勝で、数学的にすでに脱落しており、これは両チームの争いだと確定される。

重要なのは、これらの予測が事後に選ばれたものではないことだ。各問題の予測時刻、確率出力、決着結果はすべて公開され、確認できる。

なぜ GPT、Claude はできないのか

簡単に言えば、トレーニング方法が違う。

市場にある大規模モデルは、過去データで予測能力を学習する。しかし過去データには 2 つの問題がある：モデルが Web を探索すると、答えにぶつかりやすい（データ漏洩）、そして現実のランダム性によってモデルがノイズを学んでしまう。良い分析がブラックスワンに当たれば罰せられ、当てずっぽうが運良く当たれば報われる。

EchoZ の学習パラダイムは Train-on-Future：まだ起きていない出来事を直接予測させ、答えが開示される前に「推論プロセスの質」を評価する。良いアナリストも時には間違えるが、長期的な勝率が高い──EchoZ の学習ロジックもまさにこれと同じだ。

では「良い推論」を誰が定義するのか？　領域によって差が非常に大きい。UniPat のやり方はデータ駆動で採点基準を探索する（Rubric Search）ことだ。候補となる採点の次元を用意し、その次元でモデルの推論プロセスを点数化・順位付けし、それを実際の結果に基づく Elo ランキングと比較する──一致度が高いほど、その基準は「良い推論」の本当の特徴により近い。領域ごとに探索し、各ラウンドで反復的に最適化する。

見つかった結果は興味深い。政治領域の最適な採点基準には 20 の次元があり、その中には「不在シグナルの認識」が含まれる。モデルが「何も起きていないこと」を重要なシグナルとして扱えているか（裁判所で新たな訴訟が立件されない、軍が新しい公式発表をしない──それ自体が情報だ）。さらに「発言と行動の分離判断」もある。政治家が SNS 上で述べる口頭声明と、実際に法律プロセスへ入っていく実行行動を区別できるかだ。これらの次元はすべてデータ探索で出てきたもので、人間が頭の中だけで想像できない粒度だ。

API 開放後にできること

Prediction API はまもなく企業や開発者に向けて公開される。自然言語で予測問題を投げると、完全な構造化レポートを返すことに対応する：

確率分布：出来事の各種結果に対する定量的判断

証拠チェーン：判断を支える複数の独立した証拠を重み順に並べたもの

反事実分析：重要な変数が変わった場合、確率がどう動くか

モニタリング提案：継続的に注目すべきシグナルとトリガー条件

取引所や予測市場プラットフォームにとって、これはユーザーに AI の予測レイヤーを直接提供できることを意味する。ユーザーが予測コントラクトを閲覧すると、隣に EchoZ の確率判断、主要な根拠、重要な変数が表示される。量化チームにとっては、こうした構造化された確率出力を、そのまま戦略の因子として組み込める。DeFi プロトコルにとっては、出来事確率が新しいオンチェーンのデータ次元になる。条件がトリガーされるオプション、予測に基づく保険の価格設定、動的なリスク管理パラメータだ。現状、オンチェーンには信頼できる出来事確率データ源がほとんど存在しないが、ここがまさに EchoZ が埋めようとしている空白だ。

これは新しいカテゴリーだ。予測能力が、呼び出し可能な基盤インフラとして提供される。

なぜこのチームがこれをやるのか

UniPat AI のコアチームは Qianwen、Kimi、Xiaomi、Seed などのトップクラスの大規模モデルチーム出身で、10 数名の研究員が在籍し、方向性は強化学習、Agent システム、データ合成、モデル評価に集中している。複数のトップドルファンドから支援を受けている。

このチーム構成が Echo のプロダクト形態を説明できる。予測インテリジェンスを作るには、同時に 3 つの問題を解決する必要がある。どうやって学習するか（RL + プロセス報酬）、どうやって評価するか（動的な評価システム）、そしてモデル自身に情報を探させて判断させる方法（Agent）。この 3 つは、ちょうどそのチームが最も得意とする 3 つの方向に対応している。

彼らが予測インフラを選んだのは、予測能力が本質的に「定量化できる」「検証できる」「収益化できる」からだ。大規模モデル能力の中でも、商業的な価値に直接結び付けやすい数少ないカテゴリだからだ。

UniPat AI は「予測能力は、商業価値と直接結び付けられる少数の AI 能力の 1 つだ。確率判断が構造化され、検証され、呼び出せるようになれば、それは取引と金融システムにおける基礎入力となる」と述べている。

次のステップ

過去数年、API 化された能力は順に、テキスト、画像、コードだった。

次に API 化されるのは、おそらく“不確実性の判断それ自体”だ。不確実性に対する将来の確率判断が、呼び出し可能で、統合可能で、検証可能なパラメータになるなら、埋め込める意思決定の連鎖──取引戦略、リスク管理モデル、プロダクトの価格設定、コンプライアンス上のアラート──は、予測市場そのものよりはるかに広い。

Echo がやろうとしていることを一言でまとめると、「世界で次に何が起こるか」を開発者が呼び出せる入力に変えることだ。

ECHO 公式サイト：

技術ブログ：