PolyMarket 年交易量已经达到数十亿美元，但超过 90% 的交易者长期亏损（Dune Analytics，2026 年 3 月）。在一个以“预测未来”为核心的游戏中，大多数人只是在为少数更优决策者买单。

如果胜负的关键在于谁更擅长判断概率，那么问题就变成了：这种能力，能不能被复制？

UniPat AI 的 EchoZ-1.0，正是在这个问题上给出了一个可量化的答案。在对 Polymarket 人类交易者的对比中，其在政治类问题上的胜率达到 63.2%，在长期预测中为 59.3%。团队构建了 5 个 EchoZ Agent 进行实盘交易，其中 4 个实现盈利，表现最好的一个在一周内取得了 15% 的收益。

这并不是一个“交易技巧”的结果，而更像是模型能力的外溢。UniPat AI 的核心成员来自千问、Kimi、小米、Seed 等大模型团队，长期参与推理模型与复杂决策系统的构建。在预测市场这种本质上是“概率博弈”的环境中，他们尝试用模型去系统性地替代直觉，并在真实市场中反复验证这一能力。

更重要的是，这并不只是一个在报告里表现突出的模型，而是一套可以被直接调用的预测能力。UniPat AI 正在将 EchoZ 产品化，并计划以 API 形式对外开放。对开发者和机构来说，这意味着他们未来可以直接输入一个问题，获得包含结论、概率分布、证据链与反事实分析的完整输出。

在真正开放之前，一个更值得拆解的问题是：EchoZ 的优势，究竟来自哪里？

63% 的胜率意味着什么

做过概率博弈的人知道，在一个大多数人亏钱的零和市场里，统计意义上的 60%+ 胜率是什么量级的优势。超过 50% 就有正期望，60% 已经足以构建稳定盈利的策略。

EchoZ 对 Polymarket 人类交易者的分场景胜率：

• 政治与治理：63.2%
• 长期预测（7 天以上）：59.3%
• 高不确定性区间（人类信心 55%-70%）：57.9%

规律很清晰：人类越犹豫、越难判断的场景——长周期、多因素博弈、信息碎片化——EchoZ 的优势越大。

这恰好是最值钱的决策场景。监管政策走向、宏观经济变量、链上治理提案、代币上线时机，大多属于高不确定性、长周期、多因素交织的问题。谁能在这些场景上持续做出更准确的概率判断，谁就有 alpha。

EchoZ 在 General AI Prediction Leaderboard 上以 Elo 1034.2 排名第一，领先 Gemini-3.1-Pro（1032.2）、Claude-Opus-4.6（1017.2）和 GPT-5.2。排行榜涵盖 12 个模型、7 个领域、1000+ 道活跃题目。

这个排名可信吗

自建排行榜，第一反应都是"自己给自己发奖"。UniPat AI 做了一件 很 Crypto Native的事：全部数据公开。

所有预测问题、模型输出的概率分布、最终结算结果，全部公开在 echo.unipat.ai，任何人可回溯验证。

除此之外，还公开了四组压力测试：

• 调整评分框架的核心参数（σ 从 0.01 到 0.50，共 9 组），EchoZ 在所有设定下都排第一，是唯一排名零波动的模型。GPT-5.2 在第 2 到第 9 之间大幅波动。
• 随机丢掉 10%-70% 的数据，排名依然稳定。
• 从排行榜中移除 1-6 个模型，剩余排序几乎不变。
• 新模型加入后，5.4 天即可收敛到稳定排名。

透明、可验证、抗干扰。

它是怎么赚到钱的

EchoZ 会自主搜索信息、阅读新闻、查询数据，然后输出一份结构化的预测报告：概率分布、证据链、判断依据，每一步推理都可追溯。

看三个真实案例：

NVIDIA 市值预测。 2026 年 3 月 18 日，EchoZ 回答「3 月 31 日全球市值最高的公司是谁？」，给出 NVIDIA 98% 概率。判断依据不是一条信息，而是多条独立证据链交叉验证：NVIDIA 市值 ~$4.43T-$4.45T，领先 Alphabet 和 Apple 约 $7000 亿，9 个交易日内几乎不可能被追平；美国商务部 3 月 13 日撤回了 AI 芯片出口管制规则，消除了目标日期前最大的监管风险；期权市场隐含波动率仅 ±1.98%，衍生品市场没有在定价一次能抹平 15% 领先优势的暴跌；卡塔尔氦气设施停产带来供应链风险，但台积电尚未停产。四条证据分别从市值数学、监管、衍生品定价、供应链四个维度锁定结论。

ETH 新高预测。 2026 年 3 月 18 日，EchoZ 回答「ETH/USDT 是否会在 3 月 31 日前创下历史新高？」，给出 99% 概率判 No。推理链条很清晰：当前价格约 $2,220-$2,340，历史最高 $4,956.78，13 天内需要 112%-123% 的涨幅；美联储维持 3.50%-3.75% 利率不变叠加美伊冲突，宏观环境压制风险资产暴涨；USDT 锚定稳定、币安 ETH/USDT 深度充裕（2% 价格区间内 $35M 流动性），排除了稳定币脱锚导致的名义价格异常。三条独立证据链交叉验证，Polymarket 共识同样给出 1% 的概率。

NBA 西部头号种子预测。 同样是 3 月 18 日，EchoZ 预测 2025-26 赛季 NBA 西部第一种子，给出雷霆 89.9% 概率。核心逻辑：雷霆 54 胜 15 负，领先马刺 3 场，两队各剩 13 场；马刺虽然持有对赛战绩优势（4-1），只需追平即可，但马刺面对的是全联盟最难的剩余赛程（对手胜率 .560）；雷霆的 magic number 仅 11，只需正常发挥即可锁定。湖人最多 57 胜，数学上已经出局，确认这是两队之间的争夺。

关键是，这些预测不是事后挑选的。每一道题的预测时间、概率输出和结算结果都公开可查。

为什么 GPT、Claude 做不到

简单说，训练方法不同。

市面上的大模型用历史数据训练预测能力，但历史数据有两个问题：模型搜索网页时容易撞上答案（数据泄露），以及现实的随机性会让模型学到噪声——一个好的分析碰上黑天鹅会被惩罚，一个瞎猜碰上好运气会被奖励。

EchoZ 的训练范式叫 Train-on-Future：直接让模型预测尚未发生的事件，评价的是推理过程的质量，不等答案揭晓。好的分析师偶尔也会错，但长期胜率高——EchoZ 的训练逻辑和这个一样。

但谁来定义"好的推理"？不同领域差异巨大。UniPat 的做法是用数据驱动搜索评分标准（Rubric Search）：准备一组候选评分维度，用这些维度给模型的推理过程打分排序，再和基于真实结果的 Elo 排名做对比——吻合度越高，这套标准越接近"好推理"的真实特征。按领域分别搜索，每轮迭代优化。

搜出来的结果很有意思。政治领域最优评分标准有 20 个维度，其中包括"缺席信号识别"——模型是否把「什么都没发生」当作重要信号（法院没有新立案、军方没有新公报，这本身就是信息）。还有"言行分离判断"——区分政客在社交媒体上的口头声明和实际进入法律流程的执行动作。这些维度全部是数据搜出来的，人拍脑袋想不到这个粒度。

API 开放后能做什么

Prediction API 即将面向企业和开发者开放。支持用自然语言提一个预测问题，返回一份完整的结构化报告：

• 概率分布：事件各种结果的量化判断
• 证据链：支撑判断的多条独立证据，按权重排列
• 反事实分析：关键变量变化时，概率如何移动
• 监测建议：需要持续关注的信号和触发条件

对于交易所和预测市场平台，这意味着可以直接给用户提供 AI 预测层——用户浏览一个预测合约时，旁边就能看到 EchoZ 的概率判断、核心依据和关键变量。对于量化团队，这些结构化的概率输出可以直接作为策略因子接入。对于 DeFi 协议，事件概率是一个全新的链上数据维度——条件触发的期权、基于预测的保险定价、动态风控参数。当前链上几乎不存在可靠的事件概率数据源，而这正是 EchoZ 试图填补的空白。

这是一个新品类：预测能力作为可调用的基础设施。

为什么是这群人在做这件事

UniPat AI 的核心团队来自千问、Kimi、小米、Seed 等头部大模型团队，十余位研究员，方向集中在强化学习、Agent 系统、数据合成和模型评估。已获得多家头部美元基金支持。

这个团队组合解释了 Echo 的产品形态。做预测智能需要同时解决三个问题：怎么训（RL + 过程奖励）、怎么评（动态评测系统）、怎么让模型自己去找信息做判断（Agent）。这三件事恰好对应这个团队最擅长的三个方向。

他们选择做预测基础设施，是因为预测能力天然可量化、可验证、可盈利——这是大模型能力中少数能直接和商业价值挂钩的品类。

UniPat AI 表示：“预测能力是少数可以直接与商业价值挂钩的 AI 能力之一。当概率判断可以被结构化、验证并调用，它将成为交易与金融系统中的基础输入。”

下一步

过去几年，被 API 化的能力依次是文本、图像、代码。

下一个被 API 化的，可能是对不确定性的判断本身。当对未来的概率判断变成一个可调用、可集成、可验证的参数，它能嵌入的决策链路——交易策略、风控模型、产品定价、合规预警——远比预测市场本身更广。

Echo 要做的事情用一句话概括：把「世界接下来会发生什么」变成开发者可调用的输入。

ECHO 官网：https://echo.unipat.ai

技术博客：https://unipat.ai/blog/Echo