UniPat AI lança o modelo de previsão EchoZ, com uma taxa de sucesso de 63% em negociações reais na Polymarket, "superando os traders humanos"

PolyMarket já atingiu um volume de transações na ordem das dezenas de biliões de dólares, mas mais de 90% dos traders ficam em perdas a longo prazo (Dune Analytics, Março de 2026). Num jogo cujo núcleo é “prever o futuro”, a maioria das pessoas está apenas a comprar decisões para um pequeno número de decisores melhores.

Se a chave entre ganhar e perder está em quem é melhor a avaliar probabilidades, então a questão passa a ser: essa capacidade pode ser copiada?

O EchoZ-1.0 da UniPat AI deu uma resposta quantificável para precisamente este problema. Na comparação com traders humanos da Polymarket, a taxa de vitórias do EchoZ em questões de cariz político chega a 63,2%, e em previsões a longo prazo a 59,3%. A equipa construiu 5 EchoZ Agents para negociação em mercado real: 4 ficaram com ganhos, e o melhor deles obteve um retorno de 15% em uma semana.

Isto não é um resultado de “truques de trading”, mas algo mais semelhante a uma extensão (spillover) da capacidade do modelo. Os membros centrais da UniPat AI são oriundos de equipas de grandes modelos como Qianwen, Kimi, Xiaomi, Seed, entre outras, com participação de longa data na construção de modelos de raciocínio e de sistemas de decisão complexos. Num ambiente como o mercado de previsão, que é essencialmente um “jogo de probabilidades”, tentam substituir sistematicamente a intuição por modelos e validar repetidamente essa capacidade em mercado real.

Mais importante ainda: isto não é apenas um modelo que se destaca num relatório; é uma capacidade de previsão que pode ser chamada diretamente. A UniPat AI está a transformar o EchoZ em produto e planeia disponibilizá-lo ao público sob a forma de API. Para programadores e instituições, isto significa que, no futuro, poderão inserir diretamente uma pergunta e obter uma saída completa que inclua conclusão, distribuição de probabilidades, cadeia de evidências e análise contrafactual.

Antes de ser verdadeiramente aberto, uma questão ainda mais digna de ser desmontada é: de onde vem, afinal, a vantagem do EchoZ?

O que significa uma taxa de vitórias de 63%

Quem já fez jogos de probabilidades sabe que, num mercado zero-soma em que a maioria das pessoas perde dinheiro, uma taxa de vitórias estatisticamente acima de 60% é uma ordem de grandeza de vantagem. Acima de 50% há expectativa positiva; 60% já é suficiente para construir estratégias rentáveis e estáveis.

Taxa de vitórias do EchoZ por cenários face a traders humanos da Polymarket:

Política e governação: 63,2%

Previsão a longo prazo (mais de 7 dias): 59,3%

Intervalos de alta incerteza (confiança humana 55%-70%): 57,9%

A regra é clara: quanto mais hesitante e mais difícil de avaliar for o cenário para os humanos — ciclos longos, jogos com múltiplos fatores, fragmentação da informação — maior é a vantagem do EchoZ.

Este é precisamente o tipo de cenário mais valioso. A direcção de políticas de regulação, variáveis macroeconómicas, propostas de governação na cadeia, o momento de listagem de tokens — a maioria pertence a problemas de alta incerteza, longo ciclo e factores entrelaçados. Quem conseguir continuar a fazer julgamentos de probabilidades mais precisos nesses cenários terá alpha.

O EchoZ ocupa o primeiro lugar no General AI Prediction Leaderboard com Elo 1034,2, à frente de Gemini-3.1-Pro (1032,2), Claude-Opus-4.6 (1017,2) e GPT-5.2. O ranking abrange 12 modelos, 7 domínios e 1000+ questões activas.

Este ranking é credível

Quando se cria um ranking próprio, a primeira reacção é sempre “dar prémios a si próprio”. A UniPat AI fez uma coisa muito Crypto Native: todos os dados estão abertos.

Todas as questões de previsão, as distribuições de probabilidades da saída dos modelos e os resultados finais de liquidação estão publicados em echo.unipat.ai, para que qualquer pessoa possa verificar e rever.

Além disso, são divulgadas quatro baterias de testes de esforço:

Ajustar os parâmetros centrais do quadro de pontuação (σ de 0.01 a 0.50, num total de 9 grupos); em todas as definições, o EchoZ fica sempre em primeiro lugar — é o único modelo com variação zero no ranking. A GPT-5.2 oscila significativamente do 2.º ao 9.º lugar.

Atirar fora aleatoriamente 10%-70% dos dados; o ranking mantém-se estável.

Remover do ranking 1-6 modelos; a ordenação restante praticamente não muda.

Após a entrada de um novo modelo, em 5,4 dias converge para um ranking estável.

Transparente, verificável, resistente a interferências.

Como é que ganha dinheiro

O EchoZ faz pesquisa autónoma de informação, lê notícias, consulta dados e, em seguida, produz um relatório de previsão estruturado: distribuição de probabilidades, cadeia de evidências, fundamentos da decisão; cada passo do raciocínio pode ser seguido (rastreado).

Vejamos três casos reais:

Previsão da capitalização de mercado da NVIDIA. Em 18 de Março de 2026, o EchoZ respondeu: “Qual é a empresa com a maior capitalização de mercado global a 31 de Março?”, atribuindo 98% de probabilidade à NVIDIA. O fundamento não foi uma única informação, mas sim várias cadeias independentes de evidências a cruzarem-se e a validarem-se mutuamente: capitalização da NVIDIA ~$4,43T-$4,45T, cerca de $700 mil milhões à frente da Alphabet e da Apple; num prazo de 9 dias de negociação, quase seria impossível ser empatado; em 13 de Março, o Departamento de Comércio dos EUA retirou as regras de controlo de exportações de chips de IA, eliminando o maior risco regulatório antes da data-alvo; a volatilidade implícita no mercado de opções é apenas ±1,98%, e o mercado de derivados não sofreu uma queda que apagasse por si só uma vantagem de 15% numa única valorização; o encerramento das instalações de gás hélio no Qatar cria risco de cadeia de fornecimento, mas a TSMC ainda não parou a produção. As quatro evidências, por si, travam a conclusão em quatro dimensões: matemática da capitalização, regulação, precificação de derivados e cadeia de fornecimento.

Previsão de máximas da ETH. Em 18 de Março de 2026, o EchoZ respondeu: “O ETH/USDT irá atingir uma nova máxima histórica antes de 31 de Março?”, atribuindo 99% de probabilidade para o Não. A cadeia de raciocínio é clara: o preço actual está em torno de $2.220-$2.340, a máxima histórica em $4.956,78, e dentro de 13 dias seria necessário um aumento de 112%-123%; o Federal Reserve mantém a taxa de juro em 3,50%-3,75% sem alterações, somado ao conflito entre EUA e Irão, o que comprime os activos de risco a uma subida explosiva; o USDT está ancorado a uma stable, e a Binance tem elevada liquidez em ETH/USDT (liquidez de $35M dentro do intervalo de preços de 2%), o que exclui anomalias nominais no preço causadas por desancoragem de stablecoins. Três cadeias independentes de evidências cruzadas validaram; o consenso do Polymarket também dá uma probabilidade <1%.

Previsão do primeiro seed no Oeste da NBA. Também em 18 de Março, o EchoZ previu o primeiro seed no Oeste da época NBA 2025-26, dando ao Thunder uma probabilidade de 89,9%. A lógica central: o Thunder tem 54 vitórias e 15 derrotas, lidera os Spurs por 3 jogos, e as duas equipas têm ainda 13 jogos pela frente; embora os Spurs tenham vantagem no confronto directo (4-1), basta-lhes igualar/empatar para conseguir; porém, os Spurs enfrentam o calendário restante mais difícil de toda a liga (taxa de vitórias do adversário .560); o magic number do Thunder é apenas 11, bastando um desempenho normal para garantir a posição. Os Lakers no máximo conseguem 57 vitórias; matematicamente estão fora, confirmando que a disputa é apenas entre as duas equipas.

O mais importante é que estas previsões não foram escolhidas depois do facto. Para cada questão, o momento da previsão, a saída de probabilidade e o resultado da liquidação estão publicamente verificáveis.

Porque é que GPT e Claude não conseguem

Em termos simples, os métodos de treino são diferentes.

Os grandes modelos no mercado são treinados para capacidade de previsão com dados históricos, mas os dados históricos têm dois problemas: quando o modelo procura na web, é fácil “esbarrar” numa resposta (vazamento de dados), e a aleatoriedade do mundo real faz o modelo aprender ruído — uma boa análise que encontra um cisne negro é punida; um palpite cego que encontra sorte é recompensado.

O paradigma de treino do EchoZ chama-se Train-on-Future: pede ao modelo que preveja eventos que ainda não aconteceram; a avaliação é a qualidade do processo de raciocínio, não a revelação da resposta. Analistas bons também falham ocasionalmente, mas têm altas taxas de vitória a longo prazo — a lógica de treino do EchoZ é como a deles.

Mas quem define “bom raciocínio”? As diferenças entre domínios são enormes. A abordagem da UniPat é usar procura orientada por dados de critérios de pontuação (Rubric Search): preparar um conjunto de dimensões candidatas de avaliação, usar essas dimensões para pontuar e ordenar o processo de raciocínio do modelo, e compará-lo com o ranking Elo com base em resultados reais — quanto maior a aderência, mais a norma se aproxima das características reais de “bom raciocínio”. Procura-se separadamente por domínio, e a cada iteração otimiza-se.

Os resultados encontrados são muito interessantes. No domínio da política, há 20 dimensões de pontuação ideais, incluindo “detecção de sinais de ausência” — se o modelo trata “nada acontecer” como um sinal importante (por exemplo, nenhum novo processo registado no tribunal, nenhum novo comunicado das forças armadas; só isso já é informação). Há também “decisão de separação entre palavras e actos” — distinguir declarações verbais de políticos nas redes sociais e as acções de execução reais que entram no fluxo legal. Todas essas dimensões foram obtidas via dados; pessoas não conseguem pensar nesse nível de granularidade com a cabeça.

O que é possível fazer quando a API for aberta

A Prediction API será disponibilizada em breve para empresas e programadores. Suporta inserir um problema de previsão em linguagem natural e devolver um relatório completo e estruturado:

Distribuição de probabilidades: juízos quantificados sobre as várias possíveis consequências do evento

Cadeia de evidências: múltiplas evidências independentes que sustentam o julgamento, ordenadas por pesos

Análise contrafactual: como a probabilidade se move quando uma variável-chave muda

Recomendações de monitorização: sinais que precisam de acompanhamento contínuo e condições de disparo

Para bolsas e plataformas de mercados de previsão, isto significa que podem fornecer directamente ao utilizador uma camada de previsão de IA: quando o utilizador consulta um contrato de previsão, pode ver ao lado a avaliação do EchoZ quanto a probabilidades, os fundamentos principais e as variáveis-chave. Para equipas quantitativas, essas saídas estruturadas de probabilidades podem ser integradas directamente como factores de estratégia. Para protocolos DeFi, a probabilidade de eventos é uma nova dimensão de dados on-chain — opções activadas por condições, precificação de seguros baseada em previsão, parâmetros dinâmicos de gestão de risco. Actualmente, praticamente não existe uma fonte confiável de dados de probabilidades de eventos na cadeia, e é precisamente essa lacuna que o EchoZ tenta preencher.

Isto é uma nova categoria: capacidade de previsão como infra-estrutura base que pode ser chamada.

Porque é que são estas pessoas a fazer isto

A equipa central da UniPat AI é oriunda de equipas de grandes modelos de topo como Qianwen, Kimi, Xiaomi, Seed e outras, com mais de uma dezena de investigadores, com direcção concentrada em aprendizagem por reforço, sistemas Agent, síntese de dados e avaliação de modelos. Já recebeu apoio de vários fundos americanos de topo.

Este conjunto de equipa explica a forma de produto do Echo. Fazer inteligência de previsão requer resolver simultaneamente três problemas: como treinar (RL + recompensa por processo), como avaliar (sistema de avaliação dinâmico) e como fazer com que o modelo procure informações e faça julgamentos (Agent). Estas três coisas correspondem exactamente aos três domínios em que a equipa é mais forte.

Escolhem fazer infra-estrutura de previsão porque a capacidade de previsão é naturalmente quantificável, verificável e rentável — uma das poucas categorias de capacidade de grandes modelos que consegue associar-se directamente a valor comercial.

A UniPat AI afirma: “A capacidade de previsão é uma das poucas capacidades de IA que podem ser directamente associadas a valor comercial. Quando os julgamentos de probabilidade podem ser estruturados, verificados e chamados, tornar-se-ão uma entrada fundamental em sistemas de trading e financeiros.”

Próximos passos

Nos últimos anos, as capacidades que foram “API-izadas” uma a uma foram: texto, imagens e código.

A próxima a ser “API-izada” pode ser o próprio julgamento sobre incerteza. Quando a avaliação de probabilidade do futuro se torna um parâmetro chamável, integrável e verificável, as cadeias de decisão em que pode ser incorporada — estratégias de trading, modelos de gestão de risco, precificação de produtos, alertas de conformidade — serão muito mais amplas do que o próprio mercado de previsão.

O que o Echo pretende fazer pode resumir-se numa frase: transformar “o que o mundo vai acontecer de seguida” numa entrada chamável pelos programadores.

Site oficial do ECHO:

Blog técnico：