Как модели ставили: пять опытов с цифрами
- Alpha Arena, осень 2025. Самый громкий опыт был не со ставками, а с трейдингом: Alpha Arena выдала шести моделям по $10 000 на криптовалюту. Результат первого сезона — от +22 % у Qwen 3 Max до −59 % у GPT-5; в сезоне 1.5 на акциях США победил Grok 4.20 с результатом около +12 %. Разброс огромный, а победители сезонов не совпали.
- KellyBench, апрель 2026. Восемь языковых моделей «прожили» сезон АПЛ 2023/24 в симуляции с управлением банком. Итог General Reasoning (15.04.2026): все в минусе — Claude Opus 4.6 примерно −11 %, GPT-5.4 примерно −13,6 %, а старая модель Диксона — Коулза оказалась лучше шести из восьми.
- Prediction и Prophet Arena. Два исследования рынков предсказаний дают ту же картину. Prediction Arena: реальные деньги, средний итог −22,6 % на Kalshi и −1,1 % на Polymarket. Prophet Arena: событий из спорта 81 %, и на коротком горизонте рынок обыгрывает большинство моделей.
- Betwave, 2026. Офшорный букмекер 1win (лицензия Кюрасао, в России заблокирован как нелегальный) запустил соцсеть прогнозов Betwave, где во вкладке AI ставят модели — по описанию обзоров, Gemini, Claude, DeepSeek, Kimi и другие. Важная деталь: банк там — 10 000 vUSD виртуальной валюты, вывести их нельзя, а ставят только на футбол и CS2. Новость про «ИИ с реальными $10 000» не подтверждается.
- Чемпионат мира 2026. Исследователи (arXiv 2607.17765) дали четырём моделям — Claude Opus 4.8, GPT-5.5, Gemini 3.1 Pro и Grok — по $100 на каждый матч чемпионата мира 2026. Вывод: рынок точнее всех моделей по Brier, а «тупая» ставка на фаворита линии лучше любой нейросети. Итоговый ROI от −18 % до +10 % — слишком малая выборка, чтобы говорить о мастерстве.
Если свести всё к одной фразе — модели не обыгрывают рынок. Их польза в другом: собрать данные, посчитать и проверить вашу логику.
Что известно о результатах Claude
В KellyBench (апрель 2026) Claude Opus 4.6 закончил симуляцию сезона АПЛ примерно с −11 % — в минусе, как и все восемь моделей. В прогнозах на чемпионат мира 2026 участвовал Claude Opus 4.8 — и, как остальные, уступил линии букмекеров по оценке Brier. В трейдинговой Alpha Arena (сезон 1) у Claude Sonnet 4.5 вышло примерно −42 % — это рынок криптовалют, а не спорт. В ленте Betwave Claude, по данным обзоров, тоже даёт прогнозы — на виртуальные деньги, которые нельзя вывести.
Вывод для пользователей Claude Sonnet: модель сильна как аналитик — собрать данные, посчитать и проверить логику, — но не как источник «верного» исхода.
Разбор матча в диалоге с Claude Sonnet
В чате с Claude Sonnet работает подход «аналитик, а не оракул»: дайте модели факты и коэффициенты, попросите оценить вероятности с обоснованием, сравнить их с честной вероятностью линии и назвать три причины, почему оценка может быть неверной.
- Спрашивать. что известно о составах со ссылками, честную вероятность линии, слабые места вашей оценки.
- Не спрашивать. «верный прогноз», «уверенность 90 %», экспресс дня.
Что знает линия и чего не знает модель
Коэффициент — это не мнение одного аналитика, а итог работы трейдеров и денег тысяч игроков, включая профессионалов. В нём уже учтены составы, форма и новости. Модель, которая читает те же открытые данные, редко знает больше. Плюс у линии есть маржа: даже точная оценка должна её перекрыть.
- Вероятность из коэффициента. p = 1 / k. Для линии 2,10 / 3,40 / 3,60 сумма 1/k даёт перевес 4,8 % — это маржа букмекера.
- Честная вероятность. Нормируйте вероятности, чтобы в сумме было 100 %: у первого исхода получится 45,4 %.
- Ожидание ставки. EV = p · k − 1. Если вы оцениваете исход в 50 %, на коэффициенте 2,10 EV = +5 %; если реальная вероятность 45 % — уже −5,5 %.
- Угадывать часто ≠ быть в плюсе. 80 % угаданных исходов на коэффициенте 1,20 дают EV −4 %, а 45 % на 2,40 — +8 %. Важен не процент попаданий, а цена.
Отдельно про экспрессы: маржа в них умножается. Три исхода по 5 % маржи — это около 15,8 % против вас.
Промпт для разбора матча
Промпт должен превращать модель в аналитика, а не в гадалку. Не просите «уверенность XX %» без коэффициентов — просите факты, расчёт и проверку:
«Разбери матч [команда A] — [команда B]. 1) Собери составы, травмы и новости с датами и ссылками на источник. 2) Переведи мои коэффициенты [П1 / X / П2] в вероятности и посчитай маржу. 3) Оцени вероятности исходов и покажи основания. 4) Сравни с честной вероятностью линии и назови 3 причины, почему твоя оценка может быть неверной.»
- Проверка фактов. Состав и травмы без ссылки на источник считайте выдумкой, пока не проверите.
- Решение за вами. Модель считает и спорит с вами, но ставку и её размер выбираете вы.
- Свои коэффициенты. Коэффициенты берите из линии и вставляйте вручную — найденные в интернете могут быть устаревшими.
18+: если ставки перестали быть игрой
Ставки — развлечение с отрицательным ожиданием: маржа букмекера работает против игрока на каждой ставке, и ни одна нейросеть этого не меняет. Исследование UC San Diego по 700+ тысячам онлайн-игроков показало, что около 96 % из них в минусе (это весь онлайн-гемблинг, не только спорт). Ставьте только ту сумму, которую не жалко потерять.
- Лимиты. Определите сумму на месяц заранее; закончилась — пауза до следующего.
- Без догона. Желание «отбить» потерю — первый тревожный сигнал.
- Самоограничение. Если чувствуете, что теряете контроль, воспользуйтесь самоограничением у оператора и закройте доступ к ставкам.
- Помощь. Игровая зависимость — признанное расстройство, и с ней помогают психотерапевты и наркологи; обращаться можно анонимно.
Разобрать матч с агентом LeanTech
Агент LeanTech подходит для роли аналитика: найдёт статистику и новости со ссылками, посчитает вероятности, маржу и EV по вашим коэффициентам, построит модель Пуассона в Python или Excel. Он не ставит за вас и не обещает результата — решение остаётся вашим.
Источники
- KellyBench (General Reasoning, 15.04.2026): KellyBench, General Reasoning
- Прогнозы LLM на ЧМ-2026: arXiv 2607.17765
- Alpha Arena, сезоны 1 и 1.5: ForkLog о первом сезоне Alpha Arena, ForkLog о сезоне 1.5
- Prediction Arena: arXiv 2604.07355
- Prophet Arena (ICLR 2026): arXiv 2510.17638
- ForecastBench: Forecasting Research Institute