Valory esittelee avoimilla painoilla toimivan Olas Predict -mallin, joka parantaa ennustamista tosielämän tilanteissa

Valory on esitellyt Olas-Predict-Qwen3.8-27B:n, avoimilla painoilla toimivan ennustemallin, jonka tulos jää yhtiön mukaan vain 1,2 prosenttiyksikköä GPT-5.6-vertailumallin tuloksesta tosielämän ennustemarkkinoita koskevassa testissä. Erikoistunut 27 miljardin parametrin malli saavutti Valoryn sisäisessä arvioinnissa 67,3 prosentin tasapainotetun tarkkuuden, kun GPT-5.6:n tulos oli 68,5 prosenttia. Molemmat järjestelmät saivat käyttöönsä samat markkinatiedot.

Tulos nostaa esiin tekoälyn kehittämisen kannalta käytännöllisen kysymyksen: kuinka paljon erikoistehtävässä suoriutumisesta perustuu mallin laajaan tietopohjaan ja kuinka paljon voidaan saavuttaa asiaankuuluvalla näytöllä ja kohdennetulla koulutuksella? Valoryn tuorein koe viittaa siihen, että pienempi ja mukautuva malli voi pärjätä kilpailukykyisesti tarkasti rajatussa ennustetehtävässä. Samalla se osoittaa, että vahvempi perustamalli selittää suuren osan parannuksesta.

Mitä Valoryn ennustevertailussa mitataan

Tiedotteen mukaan tulokset kattavat 6 824 tutkittavissa olevaa ennustemarkkinaa. Järjestelmät käyttivät samoja kehotteita ja näyttöä lämpötila-arvolla nolla, ja Valory rajasi aineiston päivämäärän perusteella GPT-5.6-vertailumallille ilmoitetun 16. helmikuuta 2026 päättyvän tietopohjan mukaisesti. Vertailussa arvioidaan, miten mallit päättelevät niille toimitetun näytön perusteella, eikä pyydetä järjestelmiä hankkimaan tietoja itse.

Rajaus on tärkeä. Nämä ovat yhtiön raportoimia tuloksia valituista markkinoista, eivät riippumaton osoitus mallien yleisestä vastaavuudesta. Lopullinen vertailu on myös erillinen aiemmasta 10 916 näytteen kokeesta ja Valoryn aiemmin julkaisemasta 14 miljardin parametrin tutkimuksesta.

Tasapainotetussa tarkkuudessa molempien tulosluokkien suoriutumiselle annetaan yhtä suuri paino, mikä auttaa estämään yleisemmän lopputuloksen liiallisen vaikutuksen tulokseen. Valory raportoi myös Brier-pistemäärän, jolla arvioidaan todennäköisyysennusteita ja rangaistaan ylivarmoja virheitä. Pienempi Brier-pistemäärä on parempi: ennustajaa tulisi palkita hyvin kalibroidusta epävarmuudesta, ei vain lopulta toteutuvan vaihtoehdon valitsemisesta.

Taulukossa esitetään Valoryn raportoima lopullinen vertailuaineisto. Historiallista GPT-4.1-perustasoa on tulkittava nimenomaan kyseisenä perustasona, ei GPT-4.1:n uutena yleispätevänä pistemääränä.

Vahvempi perustamalli tuo suurimman osan parannuksesta

Uusi malli parantaa tässä vertailussa tulosta Olas-Predict-R1-14B:hen nähden Brier-virheen osalta noin 22 prosenttia ja tasapainotetun tarkkuuden osalta 8,4 prosenttiyksikköä. Kouluttamaton Qwen3.8-27B saavuttaa kuitenkin jo 66,4 prosentin tasapainotetun tarkkuuden ja 0,2235:n Brier-pistemäärän, mikä selittää suuren osan kehitysaskeleesta.

Toimialakohtainen koulutus tuo lisäparannusta: Brier-virhe pienenee noin 5 prosenttia, kun taas tasapainotettu tarkkuus kasvaa 0,9 prosenttiyksikköä. Odotettu kalibrointivirhe, joka kuvaa ilmoitetun varmuuden ja havaittujen tulosten vastaavuutta, pienenee arvosta 0,1630 arvoon 0,1429 eli noin 12,3 prosenttia.

Tämä on hyödyllisempi havainto kuin se, että koko sukupolvien välisen suorituskykyparannuksen katsottaisiin johtuvan hienosäädöstä. Vahvempi perustamalli ja erikoistunut koulutus vaikuttavat tulokseen erikseen. Jälkimmäinen näyttää parantavan tapaa, jolla malli ilmaisee todennäköisyyksiä. Tämä on tärkeä kyky, kun jatkokäsittelyjärjestelmän on ratkaistava, onko näyttö riittävän vahvaa toiminnan perusteeksi.

Ennustustyökalu kokoaa näytön, malli arvioi todennäköisyyden

Valory kuvaa koulutusprosessia, jossa käytetään tarkistettuja ennustusesimerkkejä ja vahvistusoppimista todennäköisyysarvioiden parantamiseen. Erillinen työkalu kerää markkinatietoa ja näyttöä ja toimittaa aineiston sitten mallille.

Tämä erottelu on arkkitehtuurin keskeinen osa. Kielimalli on yksi ennustejärjestelmän komponenteista: näytön haku määrittää, mitä tietoa on käytettävissä, kun taas malli tulkitsee tiedot ja tuottaa todennäköisyysarvion. Vahvakin päättely heikon tai vanhentuneen näytön perusteella voi johtaa huonoon ennusteeseen.

Lähestymistapa tarjoaa myös mahdollisuuden kehittää komponentteja toisistaan riippumatta. Kehittäjät voivat tarkentaa hakua, muuttaa näytön esitystapaa tai päivittää ennustemallia ilman, että koko agenttia tarvitsee välttämättä rakentaa uudelleen. Raportoidut pistemäärät kuvaavat tiettyä näytön ja mallin toiminnan yhdistelmää, joten niitä ei pidä automaattisesti siirtää toiseen hakuprosessiin.

Miten Olas muuttaa agenttien toiminnan koulutusdataksi

Valory on Olasin keskeinen kehittäjä. Olasin Predict-ekosysteemi yhdistää agentteja, jotka luovat markkinoita, käyvät kauppaa, tarjoavat ennusteita ja vahvistavat lopputuloksia. Kauppiaat voivat ostaa ennustepalveluja erikoistuneilta agenteilta Mech Marketplace -markkinapaikan kautta. Kun tapahtumat ratkeavat, ennusteita voidaan verrata toteutuneisiin tuloksiin, jolloin syntyy arviointiin ja tulevaan koulutukseen hyödynnettäviä tietueita.

Tämä palautesilmukka tarjoaa hankkeelle tehtäväkohtaista näyttöä. Sen sijaan, että ennustetta arvioitaisiin yksinomaan sen perusteella, kuulostaako sen perustelu vakuuttavalta, järjestelmä voi aikanaan verrata todennäköisyysarviota tapahtumaan, jonka lopputulos on ratkennut. Markkinan ratkeaminen määrittää edelleen tavoitteen, joten kysymysten muotoilulla ja ratkaisujen laadulla on yhä merkitystä.

Valoryn aiemmin julkaistussa työssä hyödynnettiin yli 200 000:ta agenttien ennustetietuetta Olas-Predict-R1-14B-mallin erikoistamiseen. Erillisessä, myöhempiä markkinoita koskeneessa arvioinnissa raportoitiin 75,8 prosentin tarkkuus 2 628 markkinalla. Tämä luku on tavallinen tarkkuus eri arvioinnista, joten sitä ei voi suoraan verrata uuden julkistuksen 67,3 prosentin tasapainotettuun tarkkuuteen.

Mitä avoimet painot merkitsevät käyttöönotolle

Avoimilla painoilla varustettu ennustemalli antaa kehittäjille mahdollisuuden ylläpitää ja mukauttaa mallia itse sen sijaan, että he olisivat täysin riippuvaisia etäpalveluna tarjottavasta suljetusta palvelusta. Ennustetyönkulkua rakentavalle organisaatiolle tämä voi tarjota enemmän hallintaa mallipäivityksiin, palvelininfrastruktuuriin ja toimitetun aineiston käsittelyyn.

27 miljardin parametrin malli vaatii silti tarkoitukseen sopivan laitteiston. Muistintarve, viive ja läpimenokyky riippuvat numeerisesta tarkkuudesta, kontekstin pituudesta ja rinnakkaisten pyyntöjen määrästä. Julkistuksessa ei esitetä uuden mallin käyttöönoton kustannusmittauksia tai palvelutestien vertailutuloksia, joten parametrimäärä ei yksin osoita, että malli toisi tietynlaista etua käyttökustannuksiin.

Ennustamisen laatu ei myöskään ole sama asia kuin kaupankäynnin tulos. Tuotot riippuvat ennusteiden lisäksi markkinahinnoista, transaktiokustannuksista, toimeksiantojen toteutuksesta ja strategiasta – eron, joka käy ilmi myös Valoryn aikaisemman mallikortin rajoituksista.

Olas-Predict-Qwen3.8-27B:n merkitys on siis rajattu mutta huomattava: Valoryn mukaan erikoistunut malli yltää toimitettuun aineistoon perustuvassa ennustamisessa lähelle huipputason vertailumallia, ja toimialakohtainen koulutus tuo mitattavia parannuksia. Seuraava mahdollisuus on hyödyntää jatkuvaa ratkaistujen ennusteiden virtaa ja kehittää parannuksia, jotka toimivat myös myöhemmissä tapahtumissa ja todellisissa käyttöympäristöissä.