Valory presenta el modelo de predicción Olas de pesos abiertos, que mejora los pronósticos en situaciones reales

Valory ha presentado Olas-Predict-Qwen3.8-27B, un modelo de pronóstico de pesos abiertos que, según la empresa, queda a 1,2 puntos porcentuales de su modelo de comparación GPT-5.6 en una prueba con mercados de predicción reales. El modelo especializado, de 27.000 millones de parámetros, alcanzó una precisión equilibrada del 67,3 % en la evaluación interna de Valory, frente al 68,5 % de GPT-5.6, cuando ambos sistemas recibieron las mismas pruebas sobre los mercados.

El resultado plantea una pregunta práctica sobre el desarrollo de la IA: ¿qué parte del rendimiento en una tarea especializada se debe al conocimiento general del modelo y qué parte puede atribuirse a las pruebas pertinentes y al entrenamiento específico? El último experimento de Valory sugiere que un modelo más pequeño y adaptable puede ser competitivo en una tarea de pronóstico definida de forma precisa, y también muestra que un modelo base más potente explica gran parte de la mejora.

Qué mide la comparación de pronósticos de Valory

El anuncio presenta resultados de 6.824 mercados de predicción susceptibles de análisis. Los sistemas utilizaron las mismas instrucciones y pruebas, con una temperatura de cero, y Valory aplicó un filtro de fechas vinculado a la fecha de corte de conocimiento declarada para el modelo de comparación GPT-5.6: el 16 de febrero de 2026. La comparación evalúa cómo razonan los modelos a partir de las pruebas proporcionadas, en lugar de pedir a cada sistema que recopile información por su cuenta.

Ese alcance es importante. Se trata de resultados comunicados por la empresa sobre una selección de mercados, no de una demostración independiente de equivalencia general entre los modelos. La comparación final también es distinta de un experimento anterior con 10.916 muestras y del estudio de 14.000 millones de parámetros que Valory había publicado previamente.

La precisión equilibrada asigna el mismo peso al rendimiento en las dos clases de resultados, lo que ayuda a evitar que un resultado frecuente domine la evaluación. Valory también informa de la puntuación de Brier, que evalúa los pronósticos probabilísticos y penaliza los errores cometidos con exceso de confianza. Cuanto menor sea la puntuación de Brier, mejor; se debe premiar a un sistema de pronóstico por expresar una incertidumbre bien calibrada, no solo por acertar el resultado final.

La tabla reproduce el subconjunto de la comparación final comunicado por Valory. La referencia histórica de GPT-4.1 debe interpretarse como esa referencia específica, no como una nueva puntuación universal de GPT-4.1.

Un modelo base más potente aporta la mayor parte de la mejora

En esta comparación, el nuevo modelo mejora respecto a Olas-Predict-R1-14B aproximadamente un 22 % en el error de Brier y 8,4 puntos porcentuales en precisión equilibrada. Sin embargo, la versión inicial de Qwen3.8-27B, aún sin entrenamiento, ya alcanza una precisión equilibrada del 66,4 % y una puntuación de Brier de 0,2235, lo que explica gran parte del avance.

El entrenamiento de dominio aporta una mejora adicional: el error de Brier disminuye aproximadamente un 5 %, mientras que la precisión equilibrada aumenta 0,9 puntos porcentuales. El error de calibración esperado, que resume la correspondencia entre la confianza declarada y los resultados observados, baja de 0,1630 a 0,1429: una mejora de aproximadamente el 12,3 %.

Este hallazgo es más útil que atribuir todo el avance entre generaciones al ajuste fino. Un modelo base más potente y el entrenamiento especializado contribuyen por separado. Este último parece mejorar la forma en que el modelo expresa las probabilidades, una capacidad importante cuando un sistema posterior debe decidir si las pruebas son lo bastante sólidas como para actuar.

La herramienta de pronóstico aporta las pruebas; el modelo calcula la probabilidad

Valory describe un proceso de entrenamiento que utiliza ejemplos de pronósticos revisados y aprendizaje por refuerzo para mejorar las estimaciones de probabilidad. Por separado, una herramienta recopila información y pruebas sobre los mercados, y luego proporciona ese material al modelo.

Esta separación es fundamental para la arquitectura. El modelo de lenguaje es un componente de un sistema de pronóstico: la recuperación de pruebas determina qué información está disponible, mientras que el modelo la interpreta y calcula una probabilidad. Incluso un razonamiento sólido basado en pruebas poco fiables o desactualizadas puede dar lugar a un pronóstico deficiente.

Este enfoque también permite mejorar los componentes por separado. Los desarrolladores pueden perfeccionar la recuperación de información, modificar la forma de presentar las pruebas o actualizar el sistema de pronóstico sin tener que reconstruir necesariamente todo el agente. Las puntuaciones comunicadas evalúan una combinación concreta de pruebas y comportamiento del modelo, por lo que no deben extrapolarse automáticamente a otro proceso de recuperación de información.

Cómo Olas convierte la actividad de los agentes en datos de entrenamiento

Valory es uno de los principales colaboradores de Olas, cuyo ecosistema Predict conecta agentes que crean mercados, operan en ellos, ofrecen pronósticos y resuelven los resultados. Los operadores pueden adquirir servicios de pronóstico de agentes especializados a través de Mech Marketplace. Una vez que se resuelven los eventos, los pronósticos pueden compararse con los resultados, lo que genera registros para la evaluación y el entrenamiento futuro.

Ese ciclo de retroalimentación proporciona al proyecto una fuente de evidencia específica para cada tarea. En lugar de juzgar un pronóstico únicamente por lo convincente que suene su explicación, el sistema podrá, con el tiempo, comparar su estimación de probabilidad con el resultado de un evento resuelto. La resolución del mercado sigue definiendo el objetivo, por lo que la redacción de las preguntas y la calidad de la resolución siguen siendo determinantes.

El trabajo anterior publicado por Valory utilizó más de 200.000 registros de predicciones de agentes para especializar Olas-Predict-R1-14B. Una evaluación independiente posterior en mercados informó de una precisión del 75,8 % en 2.628 mercados. Esa cifra corresponde a la precisión convencional de otra evaluación; no es directamente comparable con la precisión equilibrada del 67,3 % anunciada ahora.

Qué cambia el uso de pesos abiertos para el despliegue

Un modelo de pronóstico con pesos abiertos permite a los desarrolladores alojarlo y adaptarlo, en lugar de depender por completo de un servicio propietario remoto. Para una organización que esté creando un flujo de trabajo de pronóstico, esto puede ofrecer más control sobre las actualizaciones del modelo, la infraestructura de servicio y el tratamiento de la evidencia proporcionada.

Un modelo de 27.000 millones de parámetros sigue requiriendo hardware adecuado; las necesidades de memoria, latencia y rendimiento dependen de la precisión, la longitud del contexto y la concurrencia. El anuncio no proporciona mediciones de los costos de despliegue ni pruebas comparativas de servicio para el nuevo modelo, por lo que el número de parámetros, por sí solo, no demuestra una ventaja concreta en los costos operativos.

La calidad de los pronósticos también es distinta del rendimiento de las operaciones. Los rendimientos dependen de los precios de mercado, los costos de transacción, la ejecución y la estrategia, además de las predicciones; una distinción que se refleja en las limitaciones de la ficha anterior del modelo de Valory.

Por tanto, la importancia de Olas-Predict-Qwen3.8-27B es concreta, pero significativa: Valory informa de un modelo especializado que se acerca a su modelo de referencia de vanguardia en los pronósticos basados en evidencia proporcionada, con mejoras cuantificables gracias al entrenamiento en el dominio. Su próxima oportunidad consiste en convertir el flujo continuo de predicciones resueltas en mejoras que se mantengan en eventos posteriores y en despliegues reales.