Valory stellt Open-Weight-Modell Olas Predict mit besseren Ergebnissen bei Prognosen für die reale Welt vor

Valory hat Olas-Predict-Qwen3.8-27B vorgestellt, ein Prognosemodell mit offenen Gewichten, das laut Unternehmen bei einem Test mit realen Prognosemärkten bis auf 1,2 Prozentpunkte an den Vergleichswert von GPT-5.6 herankommt. Der Spezialist mit 27 Milliarden Parametern erreichte in Valorys interner Auswertung eine balancierte Genauigkeit von 67,3 %, verglichen mit 68,5 % bei GPT-5.6, wobei beide Systeme dieselben Marktinformationen erhielten.

Das Ergebnis wirft eine praktische Frage für die KI-Entwicklung auf: Wie viel der Leistung bei einer Spezialaufgabe beruht auf dem allgemeinen Wissen eines Modells, und wie viel lässt sich durch relevante Informationen und gezieltes Training erreichen? Valorys jüngstes Experiment legt nahe, dass ein kleineres, anpassungsfähiges Modell bei einer eng umrissenen Prognoseaufgabe konkurrenzfähig sein kann. Zugleich zeigt es, dass ein leistungsfähigeres Basismodell einen großen Teil der Verbesserung ausmacht.

Was Valorys Prognosevergleich misst

Die Mitteilung berichtet Ergebnisse für 6.824 recherchierbare Prognosemärkte. Die Systeme verwendeten dieselben Prompts und Informationen bei einer Temperatur von null. Außerdem wandte Valory einen Datumsfilter an, der sich am angegebenen Wissensstichtag des Vergleichsmodells GPT-5.6, dem 16. Februar 2026, orientierte. Im Vergleich wird untersucht, wie die Modelle anhand bereitgestellter Informationen Schlussfolgerungen ziehen, statt jedes System selbst nach Informationen suchen zu lassen.

Dieser Rahmen ist wichtig. Es handelt sich um vom Unternehmen berichtete Ergebnisse für ausgewählte Märkte, nicht um einen unabhängigen Nachweis einer allgemeinen Gleichwertigkeit der Modelle. Der abschließende Vergleich ist zudem von einem früheren Experiment mit 10.916 Stichproben und von Valorys zuvor veröffentlichter Studie mit 14 Milliarden Parametern zu unterscheiden.

Bei der balancierten Genauigkeit werden die Leistungen bei den beiden Ergebnisklassen gleich gewichtet. So wird verhindert, dass ein häufigeres Ergebnis die Gesamtwertung dominiert. Valory gibt außerdem den Brier-Score an, der Wahrscheinlichkeitsprognosen bewertet und Fehler bei hoher Zuversicht bestraft. Niedrigere Brier-Scores sind besser. Ein Prognosemodell sollte für gut kalibrierte Unsicherheit belohnt werden, nicht nur dafür, den späteren Gewinner richtig vorherzusagen.

Die Tabelle gibt die von Valory berichtete Teilmenge des abschließenden Vergleichs wieder. Der historische GPT-4.1-Basiswert ist als genau dieser spezifische Basiswert zu verstehen, nicht als neuer allgemeingültiger Wert für GPT-4.1.

Ein leistungsfähigeres Basismodell bringt den größten Teil der Verbesserung

Das neue Modell verbessert sich in diesem Vergleich gegenüber Olas-Predict-R1-14B beim Brier-Fehler um etwa 22 % und bei der balancierten Genauigkeit um 8,4 Prozentpunkte. Doch bereits das untrainierte Qwen3.8-27B erreicht eine balancierte Genauigkeit von 66,4 % und einen Brier-Score von 0,2235 und erklärt damit einen großen Teil des Fortschritts.

Das domänenspezifische Training bringt eine zusätzliche Verbesserung: Der Brier-Fehler sinkt um etwa 5 %, während die balancierte Genauigkeit um 0,9 Prozentpunkte steigt. Der erwartete Kalibrierungsfehler, der die Übereinstimmung zwischen angegebener Zuversicht und beobachteten Ergebnissen zusammenfasst, sinkt von 0,1630 auf 0,1429 – eine Verbesserung um etwa 12,3 %.

Das ist eine nützlichere Erkenntnis, als den gesamten Leistungssprung zwischen den Modellgenerationen als Folge des Feinabstimmens zu betrachten. Ein leistungsfähigeres Basismodell und spezialisiertes Training tragen jeweils eigenständig dazu bei. Letzteres scheint die Art und Weise zu verbessern, wie das Modell Wahrscheinlichkeiten ausdrückt – eine wichtige Fähigkeit, wenn ein nachgelagertes System entscheiden muss, ob die Belege für eine Handlung ausreichen.

Das Prognosewerkzeug liefert Informationen; das Modell schätzt Wahrscheinlichkeiten

Valory beschreibt einen Trainingsprozess, bei dem geprüfte Prognosebeispiele und bestärkendes Lernen eingesetzt werden, um Wahrscheinlichkeitsschätzungen zu verbessern. Ein separates Werkzeug sammelt Marktinformationen und Belege und stellt sie dem Modell anschließend zur Verfügung.

Diese Trennung ist für die Architektur zentral. Das Sprachmodell ist eine Komponente eines Prognosesystems: Der Abruf von Informationen bestimmt, welche Daten verfügbar sind, während das Modell sie interpretiert und eine Wahrscheinlichkeit ermittelt. Selbst starke Schlussfolgerungen auf Grundlage schwacher oder veralteter Informationen können zu einer schlechten Prognose führen.

Dieser Ansatz eröffnet auch die Möglichkeit, die einzelnen Komponenten unabhängig voneinander zu verbessern. Entwickler können den Informationsabruf verfeinern, die Darstellung der Informationen ändern oder das Prognosemodell aktualisieren, ohne unbedingt den gesamten Agenten neu aufbauen zu müssen. Die berichteten Werte bewerten eine bestimmte Kombination aus Informationen und Modellverhalten und lassen sich daher nicht ohne Weiteres auf eine andere Abrufpipeline übertragen.

Wie Olas Aktivitäten von Agenten in Trainingsdaten umwandelt

Valory ist ein wichtiger Mitwirkender an Olas, dessen Predict-Ökosystem Agenten vernetzt, die Märkte erstellen, handeln, Prognosen abgeben und Ergebnisse abschließend feststellen. Händler können über den Mech Marketplace Prognosedienste von spezialisierten Agenten erwerben. Sobald feststeht, wie Ereignisse ausgegangen sind, lassen sich Prognosen mit den Ergebnissen vergleichen. So entstehen Aufzeichnungen für die Auswertung und künftiges Training.

Diese Rückkopplungsschleife liefert dem Projekt eine Quelle aufgabenspezifischer Erkenntnisse. Statt eine Prognose allein danach zu beurteilen, ob ihre Erklärung überzeugend klingt, kann das System ihre Wahrscheinlichkeitsschätzung künftig mit einem eingetretenen Ereignis vergleichen. Die Auflösung des Marktes bestimmt weiterhin den Zielwert; daher bleiben die Formulierung der Frage und die Qualität der Auflösung entscheidend.

In Valorys früheren veröffentlichten Arbeit wurden mehr als 200.000 Vorhersagedatensätze von Agenten verwendet, um Olas-Predict-R1-14B zu spezialisieren. Eine separate spätere Bewertung anhand von Märkten ergab eine Genauigkeit von 75,8 % über 2.628 Märkte hinweg. Dieser Wert ist die gewöhnliche Genauigkeit aus einer anderen Bewertung und nicht direkt mit der in der neuen Ankündigung genannten balancierten Genauigkeit von 67,3 % vergleichbar.

Was offene Gewichte für die Bereitstellung bedeuten

Ein Prognosemodell mit offenen Gewichten gibt Entwicklern die Möglichkeit, das Modell selbst zu hosten und anzupassen, statt vollständig auf einen proprietären Remote-Dienst angewiesen zu sein. Für eine Organisation, die einen Prognose-Workflow entwickelt, kann das mehr Kontrolle über Modellaktualisierungen, die Bereitstellungsinfrastruktur und den Umgang mit bereitgestellten Belegen schaffen.

Ein Modell mit 27 Milliarden Parametern erfordert weiterhin geeignete Hardware; Speicherbedarf, Latenz und Durchsatz hängen von der Genauigkeit, der Kontextlänge und der Zahl gleichzeitiger Anfragen ab. Die Ankündigung enthält weder gemessene Bereitstellungskosten noch Benchmarks zur Ausführung des neuen Modells. Allein aus der Anzahl seiner Parameter lässt sich daher kein bestimmter Vorteil bei den Betriebskosten ableiten.

Die Prognosequalität unterscheidet sich außerdem von der Handelsleistung. Renditen hängen neben den Vorhersagen auch von Marktpreisen, Transaktionskosten, Ausführung und Strategie ab – ein Unterschied, der sich in den Einschränkungen von Valorys früherer Modellkarte widerspiegelt.

Die Bedeutung von Olas-Predict-Qwen3.8-27B ist daher begrenzt, aber relevant: Valory zufolge nähert sich ein spezialisiertes Modell bei Prognosen auf Grundlage bereitgestellter Belege seinem Vergleichsmodell an der Leistungsspitze an und erzielt durch domänenspezifisches Training messbare Verbesserungen. Die nächste Chance besteht darin, den fortlaufenden Strom aufgelöster Vorhersagen in Verbesserungen umzusetzen, die sich bei späteren Ereignissen und im praktischen Einsatz bewähren.