三万英尺高空的一架返程航班上，有人把梦幻联赛的指挥权交给了一串代码。OpenAI的Codex交出的首份阵容名单，把哈兰德放进了替补席。这个近乎荒诞的开局，正是2026年“AI预测智能体入场交易”现象的切片，特指大模型以多智能体协作方式，在Kalshi、Polymarket等预测市场与体育竞猜场景中直接输出下注与选人决策。
希鸥网观察到，芝加哥大学计算机科学家徐海峰团队做了一组对照测试：不给特殊指令，让市面主流大模型去猜NBA总冠军归属、猜特朗普的会面名单。结果显示GPT-5成绩居首，Grok 4、Claude Sonnet、Gemini、Llama依次排开。在部分题目上，模型的预测水平已经压过普通人，但仍落后于人类顶尖的“超级预测者”。
同一套模型，为什么第一版建议蠢得离谱，拆成小队后就靠谱了？关键变量在于组织架构。Codex被要求分兵：一组刷新闻和球迷博客，一组解析近期赛果，一组跑数据模型，还有一组专门挑刺、提反对意见。这实际上把投研部门的编制，压缩进了几个并行的智能体里。
预测市场的定价权正在被重算。Kalshi、Polymarket这类平台的合约价格，本质是信息处理速度的报价。当大模型能同时吞下伤病情报、主帅更迭、赛程密度这些过去被忽略的碎料，信息差的窗口就从几天缩到几小时。徐海峰点出人类的底牌：我们处理不了那么多信息，但看得懂一条新闻背后藏着的逻辑。
成本结构同步被改写。过去一支能跑预测的团队，要养分析师、买数据源、付算力账单；现在一个中等规模的多智能体框架，加上Codex这类代码生成工具，就能跑通从抓取到回测的闭环。Metaculus杯预测大赛里，AI已经开始赢下部分顶尖人类选手，ForecastBench的在途评测很可能再补一刀。
希鸥网认为，这轮博弈的受益方并不隐蔽：模型厂商拿到了“预测未来”这个新评测维度，预测市场平台获得了流动性增量，卖数据接口的公司多了一个刚性买家。受损的一方同样清晰：靠信息时差吃饭的中小交易员、只做二手研报搬运的初级分析师，以及把“经验”当作唯一壁垒的选人顾问。
达利欧在《原则》里讲过一件事：他把弈棋机送给客户，让他们亲自体会打败计算机化决策程序有多难。但他同时留了后门，桥水推倒重来的情形不到2%，触发条件几乎都是程序里没写进去的异常事件，比如“9·11”。映射到今天：上AI预测系统之前，先定好人工否决的开关。
更值得创业者抄走的是他写原则的方式。1983年底桥水只有6名职员，靠《每日观察》的口碑获客。达利欧说，改进决策最有价值的事之一，是把决策原则用文字和算法写下来，做返回测试，再让它与大脑并行运转。AI智能体的真正资产不是模型权重，而是这套被显性化、可回测的判断规则。
还有一条容易被忽略的工程纪律：区分核心业务产生的利润与价格波动带来的投机性盈亏。达利欧给企业客户的建议是先确立一个“风险中性”的基准仓位，只有在愿意承担投机风险时才可以偏离，且必须清楚偏离对主业的影响。做AI预测产品的团队同理，客户买的不是方向，而是一条可对照的基准线。
国际金鸥奖中国区盛典，第十二届金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo
