UniPat AI випустила модель прогнозування EchoZ, з показником успішності 63% у реальній торгівлі на Polymarket, «перевершуючи людських трейдерів»

PolyMarket 的 річний обсяг торгів уже сягнув кількох десятків мільярдів доларів, але понад 90% трейдерів упродовж тривалого часу зазнають збитків (Dune Analytics, березень 2026). У грі, де «прогнозування майбутнього» є ядром, більшість людей фактично просто платять за рішення небагатьох, що приймають його краще.

Якщо ключ до перемоги — у тому, хто краще вміє оцінювати ймовірності, тоді питання стає таким: чи можна цю здатність скопіювати?

UniPat AI EchoZ-1.0 — саме на це питання дає кількісно вимірювану відповідь. У порівнянні з людськими трейдерами Polymarket його імовірнісна/польова точність у політичних питаннях досягає 63.2%, а в довгострокових прогнозах — 59.3%. Команда зібрала 5 EchoZ Agent для реальних торгів: 4 з них вийшли в плюс, а найкращий показав 15% прибутку за один тиждень.

Це не результат «торгового трюку», а радше побічний ефект (outflow) здібностей моделі. Головні учасники UniPat AI — вихідці з команд великих моделей на кшталт Qwen, Kimi, Xiaomi, Seed тощо; вони тривалий час беруть участь у побудові моделей міркування та складних систем ухвалення рішень. У середовищі прогнозних ринків, яке за своєю суттю є «ймовірнісною грою», вони намагаються системно замінити інтуїцію моделлю й багаторазово перевірити цю здатність у реальному ринку.

Найважливіше: це не просто модель, яка добре виглядає у звіті, а набір прогнозних можливостей, який можна безпосередньо викликати. UniPat AI перетворює EchoZ на продукт і планує відкрити його назовні у форматі API. Для розробників і установ це означає, що в майбутньому вони зможуть напряму вводити питання та отримувати повний результат із висновком, розподілом ймовірностей, ланцюгами доказів і аналізом контрфактів.

Перш ніж відкрити це по-справжньому, більш розкладене на складові питання таке: у чому саме походить перевага EchoZ?

Що означають 63% перемог

Ті, хто робив ставки в імовірнісних іграх, знають: у нульовому ринку, де більшість програє, статистично значущі 60%+ перемог — це величина рівня суттєвої переваги. Понад 50% — це позитивне очікування, а 60% уже достатньо, щоб побудувати стабільно прибуткову стратегію.

Розподіл перемог EchoZ проти людських трейдерів Polymarket за сценаріями:

Політика та врядування: 63.2%

Довгостроковий прогноз (понад 7 днів): 59.3%

Високий інтервал невизначеності (впевненість людей 55%-70%): 57.9%

Логіка дуже чітка: чим більше люди сумніваються, і чим важче їм судити в певному сценарії — довший цикл, багато факторів, фрагментація інформації — тим більша перевага EchoZ.

І якраз це найдорожчі сценарії ухвалення рішень. Ними здебільшого є: напрям регуляторної політики, макроекономічні змінні, пропозиції з ончейн-врядування, строки лістингу токенів — майже всі це питання з високою невизначеністю, довгими циклами та переплетінням багатьох факторів. Хто здатен стабільно робити точніші ймовірнісні оцінки в таких сценаріях — той має альфу.

На General AI Prediction Leaderboard EchoZ посідає 1 місце з Elo 1034.2, випереджаючи Gemini-3.1-Pro (1032.2), Claude-Opus-4.6 (1017.2) та GPT-5.2. Рейтинг охоплює 12 моделей, 7 сфер і 1000+ активних задач.

Чи можна довіряти цьому рейтингу

Якщо власноруч зібрати рейтинг, перша реакція завжди: «це ж вони самі собі премію й віддали». UniPat AI зробили одну справу — дуже Crypto Native. Уся даність відкрита.

Усі прогнозні питання, розподіли ймовірностей, які виводили моделі, та результати фінальних розрахунків — оприлюднено на echo.unipat.ai, тож будь-хто може повернутися назад і перевірити.

Крім цього, оприлюднено чотири набори стрес-тестів:

Зміна ключових параметрів системи оцінювання (σ від 0.01 до 0.50, 9 груп), EchoZ у всіх налаштуваннях посідає 1 місце — єдина модель з нульовою флуктуацією рейтингу. GPT-5.2 у проміжку з 2 по 9 місце сильно коливається.

Випадкове вилучення 10%-70% даних — рейтинг залишається стабільним.

Вилучення з рейтингу 1-6 моделей — порядок серед решти майже не змінюється.

Після додавання нової моделі потрібно лише 5.4 дні, щоб зійтися до стабільного рейтингу.

Прозоро, перевіряно, стійко до втручань.

Як він заробляє гроші

EchoZ самостійно шукає інформацію, читає новини, запитує дані, а потім виводить структурований звіт про прогноз: розподіл ймовірностей, ланцюги доказів, підстави для судження — і кожен крок міркувань можна простежити.

Погляньмо на три реальні приклади:

Прогноз ринкової капіталізації NVIDIA. 18 березня 2026 року EchoZ відповів на запитання «яка компанія матиме найвищу світову ринкову капіталізацію на 31 березня?», давши ймовірність 98% для NVIDIA. Підстава для оцінки — це не одна інформація, а перехресна верифікація кількох незалежних ланцюгів доказів: ринкова капіталізація NVIDIA ~$4.43T-$4.45T, що випереджає Alphabet і Apple приблизно на $700 млрд; майже неможливо наздогнати це протягом 9 торгових днів; 13 березня Міністерство торгівлі США скасувало правила експортного контролю для AI-чипів, усунувши найбільший регуляторний ризик перед цільовою датою; імплайдована волатильність на ринку опціонів становить лише ±1.98%, тож на деривативному ринку немає такого «обвалу», який за один раз зітре 15% переваги; зупинка катаpських установок з гелієм несе ризики для ланцюга постачання, але TSMC ще не зупиняла виробництво. Чотири ланцюги доказів різними вимірами — математикою ринкової капіталізації, регуляторикою, ціноутворенням деривативів і ланцюгами постачання — фіксують один висновок.

Прогноз нового максимуму ETH. 18 березня 2026 року EchoZ відповів на запитання «чи досягне ETH/USDT історичного максимуму до 31 березня?», давши ймовірність 99%, з висновком «ні». Ланцюг міркувань дуже зрозумілий: поточна ціна приблизно $2,220-$2,340, історичний максимум $4,956.78; протягом 13 днів потрібен ріст на 112%-123%; ФРС утримує ставки на рівні 3.50%-3.75% без змін у поєднанні з американо-іранським конфліктом, що пригнічує ризикові активи до різкого зростання; USDT має прив’язку до стабільності, а Binance ETH/USDT має достатню глибину (у діапазоні 2% за ціною $35M ліквідності), що виключає «номінальні аномалії ціни» через відхилення стабільної монети від прив’язки. Три незалежні ланцюги доказів перехресно верифікують результат, і консенсус Polymarket теж дає <1% імовірності.

Прогноз першого посіву на Сході/Заході в NBA (Захід). Так само 18 березня EchoZ спрогнозував 2025-26 сезон NBA: перший посів у Західній конференції, давши для Thunder ймовірність 89.9%. Ключова логіка: Thunder має 54 перемоги й 15 поразок, випереджає Spurs на 3 матчі; у кожної з команд залишилося по 13 ігор; Spurs, хоча й має перевагу в очному протистоянні (4-1), їм потрібно лише зрівнятися; але Spurs грають з найскладнішим залишковим розкладом у всій лізі (переможний відсоток суперників .560); у Thunder magic number становить лише 11 — тож достатньо зіграти нормально, щоб забезпечити місце. Lakers максимум може мати 57 перемог — математично вони вже вибули, тож підтверджено, що це боротьба між двома командами.

Головне: ці прогнози не були відібрані заднім числом. Час, коли було зроблено прогноз для кожної задачі, виведення ймовірностей і результати фінального врегулювання — усе можна перевірити.

Чому GPT і Claude не можуть цього зробити

Коротко: відрізняються методи тренування.

Поширені на ринку великі моделі тренують здатність прогнозувати на історичних даних, але історичні дані мають дві проблеми: коли модель шукає веб, вона легко натрапляє на готову відповідь (витік даних), а реальна випадковість змушує модель вивчати шум — хороший аналіз, який зіткнеться з «чорним лебедем», буде покараний, а сліпе вгадування, якщо пощастить, — винагороджене.

Навчальний парадигм EchoZ називається Train-on-Future: напряму змушує модель прогнозувати події, які ще не трапилися; оцінюють якість процесу міркувань, а не чекають, поки стане відомою відповідь. Хороші аналітики теж інколи помиляються, але тривала переможність висока — і логіка тренування EchoZ саме така.

Але хто визначає «яке міркування є хорошим»? Відмінності між сферами величезні. Підхід UniPat — використовувати пошук, керований даними за стандартами оцінювання (Rubric Search): заздалегідь підготувати набір можливих вимірів оцінки, за ними оцінити та впорядкувати процес міркувань моделі, а потім порівняти це з Elo-рейтинґом, заснованим на реальних результатах. Чим більше збігу — тим ближчий цей набір стандартів до реальних ознак «хорошого міркування». За сферами окремо запускають пошук, і кожна ітерація оптимізує результат.

Знайдені результати дуже цікаві. У політичній сфері найкращий стандарт оцінювання має 20 вимірів, серед яких є «виявлення сигналів відсутності» — чи сприймає модель «нічого не сталося» як важливий сигнал (наприклад, у суді немає нових справ, у військових немає нових офіційних повідомлень — сам факт відсутності новин є інформацією). Також є «оцінка розділення слів і дій» — відрізняти усні заяви політиків у соцмережах від реальних дій, які пройшли юридичні процеси. Усі ці виміри — знайдені через дані; людині «на пальцях» не вдасться вигадати такий рівень деталізації.

Що можна робити після відкриття API

Prediction API незабаром буде доступний для компаній і розробників. Підтримує природномовне введення запитання для прогнозу та повертає повний структурований звіт:

Розподіл ймовірностей: кількісні оцінки різних можливих результатів події

Ланцюги доказів: кілька незалежних доказів на підтримку оцінки, упорядкованих за вагою

Контрфактичний аналіз: як змінюватимуться ймовірності, коли змінюється ключова змінна

Рекомендації щодо моніторингу: сигнали, за якими потрібно постійно стежити, та умови спрацювання

Для бірж і платформ прогнозного ринку це означає, що користувачам можна буде напряму надавати AI-прогнозний шар: коли користувач переглядає прогнозний контракт, поруч можна побачити ймовірнісні оцінки EchoZ, ключові підстави та критичні змінні. Для квант-команд ці структуровані виходи з ймовірностями можна напряму підключати як фактори стратегії. Для протоколів DeFi ймовірність подій — це абсолютно новий вимір даних в ончейні: опціони з умовним спрацюванням, страхування з ціноутворенням на базі прогнозів, динамічні параметри риск-менеджменту. На сьогодні майже немає надійних джерел ончейн-даних саме з ймовірностями подій, і саме цей пробіл EchoZ намагається закрити.

Це новий тип продукту: прогнозна здатність як викликаємa базова інфраструктура.

Чому саме ці люди роблять цю справу

Ключова команда UniPat AI походить із провідних команд великих моделей — Qwen, Kimi, Xiaomi, Seed тощо: понад десять дослідників, напрям сфокусовано на підкріплювальному навчанні, системах Agent, синтезі даних та оцінюванні моделей. Вже отримано підтримку від кількох провідних доларових фондів.

Ця комбінація команди пояснює продуктовий вигляд Echo. Для створення прогнозного інтелекту потрібно одночасно розв’язати три задачі: як тренувати (RL + процесна винагорода), як оцінювати (динамічна система евалюації), як змусити модель самій шукати інформацію та робити висновки (Agent). І саме ці три напрями відповідають тому, що команда вміє найкраще.

Вони обрали робити прогнозну інфраструктуру, тому що здатність прогнозувати природно піддається кількісній оцінці, перевірці та може бути прибутковою — це одна з небагатьох категорій можливостей великих моделей, які безпосередньо пов’язуються з комерційною цінністю.

UniPat AI заявляє: «Прогнозна здатність — це одна з небагатьох AI-здатностей, які напряму пов’язуються з комерційною цінністю. Коли оцінка ймовірностей може бути структурованою, перевіреною й викликається, вона стане базовим входом у торговельні та фінансові системи».

Наступний крок

За останні кілька років API-форматизації по черзі піддавалися такі можливості: текст, зображення, код.

Наступним, можливо, буде сам по собі висновок про невизначеність. Коли оцінки ймовірностей для майбутнього перетворяться на викликаємий, інтегровуваний і перевіряний параметр, ланцюги рішень, у які він вбудовується — торгові стратегії, моделі риск-менеджменту, ціноутворення продукту, комплаєнс-попередження — будуть значно ширшими, ніж сам прогнозний ринок.

Що Echo має зробити — можна сказати однією фразою: перетворити «що станеться далі зі світом» на вхідні дані, які може викликати розробник.

Офіційний сайт ECHO:

Технічний блог：