菜单
科技

Anthropic能否在2026年7月底登顶Chatbot Arena排行榜?

结算: 更新于:
100%

市场共识

市场给出的事件概率——不是你猜中的概率

事件会发生
100%
事件不会发生
0%

要点

市场几乎将这一结果视为已经确定,而非悬念。核心原因是Polymarket上该合约价格已连续维持在极端水平,且过去24小时没有变动,说明交易者认为在距结算仅一天的时间窗口内,现有排名格局出现反转的可能性极低。唯一可能改变这一判断的情形,是某实验室在结算检查时点前发布新旗舰模型并迅速积累足够投票,从而在Arena评分上反超。

合约如何运作

这类合约在结果发生时结算为1美元,未发生则结算为零,中间价格反映的是交易者当下认为该结果发生的概率——例如价格为0.30,意味着市场认为该事件大约有三成的可能性成立,这只是一个便于理解的假设示例,并非本市场当前价格。本市场将在2026年7月31日美东时间中午12点,依据LMArena文本排行榜(风格控制关闭)当时显示的排名结果结算:若榜首模型所属公司为Anthropic,则结算为“是”;若为其他公司,则结算为“否”。若届时排名出现并列,先比较未四舍五入的Arena评分,仍无法区分则按公司名称字母顺序判定。持有的头寸通常可以在结算前按当时市场价格卖出,不必等到最终结算日。
市场如何评估结果
$100
99%

事件会发生

当前价格
$0.99
如果投入 $100
$101
1%

事件不会发生

当前价格
$0.01
如果投入 $100
$10,000
0%25%50%75%100%12:0017:3623:1204:4810:2416:00
共识Polymarket

价格如何变动

该合约于2026年7月29日首次被记录时价格即为100%,此后价格区间在0%到100%之间出现过波动,但公开信息中没有可验证的具体事件可以解释这次触及零的短暂时刻。过去24小时价格变化为零,435次报价显示价格基本贴着上限稳定运行,这种长期维持在极端水平且几乎不再变动的状态,通常表明市场认为结果已接近确定,交易活动更多是对既定判断的确认而非重新定价。

背景

Chatbot Arena(现属LMArena)是由加州大学伯克利分校团队发起的大语言模型评测平台,通过让用户对两个匿名模型的回答进行盲选投票,计算出类似Elo等级分的Arena评分,并据此生成排行榜。该榜单被广泛视为衡量各实验室模型综合能力的公开、可复现的参照系,参与方包括Anthropic(Claude系列)、OpenAI、谷歌DeepMind、xAI,以及多家中国实验室,如DeepSeek、阿里巴巴、字节跳动、百度、月之暗面(Moonshot)、美团和智谱(Z.ai)。 本次市场关注的是文本排行榜(text leaderboard)在“风格控制关闭”设置下的排名结果,这一设置不对模型的回答长度、格式等风格因素做归一化处理,因此更接近用户投票的原始结果。截至该问题被提出时,Anthropic的模型已在该榜单占据榜首位置,这也是市场对结果给出极端一致预期的基础。

分析

该合约在Polymarket上首次记录于2026年7月29日,当时价格即为100%,累计成交额约120.475万美元,全部集中在这一个交易场所,说明这是一个交易者对结果高度一致、且愿意投入相当资金去验证既定判断的市场,而非各方存在明显分歧的博弈。过去24小时价格变动为零个百分点,435次报价记录显示价格几乎没有波动,这种“价格贴着上限不动”的状态通常意味着市场认为悬念已经消失,剩余的只是等待官方榜单在结算时点做出确认。 值得注意的是,该市场自记录以来的价格区间为0%到100%,说明中间确实出现过价格触及零的时刻——这可能反映了极薄流动性下的试探性成交或短暂的挂单失误,公开信息中没有可验证的具体事件可以解释这一次波动,因此不宜将其归因于任何具体新闻。但从后续价格迅速回归并稳定在100%来看,这一次波动并未改变市场的整体判断,反而凸显出多数交易时间内市场对结果的确定性。 从结算机制本身看,决定结果的是7月31日中午12点这一个精确快照,而不是整个7月的走势。这意味着即便某实验室在7月内发布过有竞争力的模型,只要它未能在检查时点前将Arena评分推高至超过Anthropic现有模型的水平,结果就不会改变。Chatbot Arena的评分更新依赖持续的人工投票积累,一款全新模型通常需要数天到数周才能获得足够票数形成稳定、有统计意义的评分,这也是市场认为一天之内格局反转概率极低的实际依据。

影响概率的因素

  • 现有榜首优势

    Anthropic的模型在结算检查前已占据榜首,且需要被反超的时间窗口只剩不到两天,这本身就大幅压低了结果反转的可能性。

  • Arena评分的积累速度

    新模型要获得能与既有榜首竞争的稳定评分,通常需要持续数天至数周的投票积累,短期内难以完成,这一机制客观上锁定了短期内榜单的稳定性。

  • 竞争对手的发布节奏

    OpenAI、谷歌DeepMind、xAI以及DeepSeek、阿里巴巴等中国实验室若在结算时点前发布重大更新,理论上可能冲击榜首,但目前没有公开信息显示有这类发布正好安排在这一时间窗口内。

  • 并列结算规则

    若最终出现评分并列,先比较未四舍五入的具体评分,再按公司名称字母顺序判定,这一规则在评分极为接近时会影响最终结果归属,但目前价格显示市场并不认为会出现如此接近的情形。

支持理由

  • Anthropic现有模型需要在2026年7月31日美东时间中午12点的排行榜快照中保持未四舍五入Arena评分的领先。
  • 在此之前,没有其他实验室的模型能够在LMArena文本榜(风格控制关闭)上积累到超过Anthropic模型的投票评分。

反对理由

  • OpenAI、谷歌DeepMind、xAI或DeepSeek、阿里巴巴等中国实验室中的某一家需要在结算检查前发布新模型并获得足够投票,使其评分超过Anthropic现有模型。
  • 这一评分反超必须在极短的时间内完成,通常这类稳定评分的形成需要数天到数周的持续投票积累,时间窗口构成实际障碍。

交易该结果合约

平台(1)

平台(1)

概率

  • 到2026年7月底,Anthropic是否会拥有最好的AI模型?100%
  • 到2026年7月底,Moonshot是否会拥有最好的AI模型?0%
  • 到2026年7月底,OpenAI是否会拥有最好的AI模型?0%
  • 到2026年7月底,Google是否会拥有最好的AI模型?0%
  • 到2026年7月底,xAI是否会拥有最好的AI模型?0%
  • 到2026年7月底,Meta是否会拥有最好的AI模型?0%
  • 到2026年7月底,DeepSeek是否会拥有最好的AI模型?0%
  • 到2026年7月底,Alibaba是否会拥有最好的AI模型?0%
  • 到2026年7月底,Microsoft是否会拥有最好的AI模型?0%
  • 到2026年7月底,Z.ai是否会拥有最好的AI模型?0%
  • 到2026年7月底,ByteDance是否会拥有最好的AI模型?0%
  • 到2026年7月底,Baidu是否会拥有最好的AI模型?0%

结算规则

结算依据
https://lmarena.ai/leaderboard/text
结算日期

结算依据为LMArena官方网站(lmarena.ai/leaderboard/text)上的Chatbot Arena文本排行榜,风格控制设置为关闭,检查时间点为2026年7月31日美东时间中午12点。若届时榜首模型所属公司为Anthropic,市场结算为“是”;否则结算为“否”。如遇评分并列,先以未四舍五入的具体Arena评分排序,仍并列则按公司名称字母顺序判定;若检查时榜单无法访问,结算将顺延至榜单恢复可查看为止。

计算方法

本地视角

对这部分读者而言,Chatbot Arena排行榜是观察中美AI实力对比的一个公开、可持续追踪的量化窗口:DeepSeek、阿里巴巴、字节跳动、百度、月之暗面、美团和智谱等多家中国实验室都在同一榜单上与Anthropic、OpenAI等美国实验室直接竞争评分排名。榜单的排名变化,某种程度上也是市场判断出口管制、算力限制等因素是否实质影响了中国实验室模型能力的一个间接、非官方的参照。

后续关注

需要关注的关键节点是2026年7月31日美东时间中午12点,也就是LMArena文本排行榜(风格控制关闭)被正式读取用于结算的时刻;在此之前,任何OpenAI、谷歌DeepMind、xAI或中国实验室(如DeepSeek、阿里巴巴、字节跳动、月之暗面)发布的新模型若迅速获得大量投票并进入榜单,都可能成为影响结果的变量。此外,按结算规则,若届时榜单页面不可访问,结算将顺延至榜单恢复可查看为止,这本身也是需要留意的程序性风险。

常见问题

这个市场具体依据什么、什么时候结算?
依据LMArena官网(lmarena.ai/leaderboard/text)上的Chatbot Arena文本排行榜,风格控制设置为关闭,检查时间为2026年7月31日美东时间中午12点,看当时榜首模型所属公司是否为Anthropic。
市场价格代表什么?
价格反映的是交易者当下认为该结果会发生的概率,例如某价格若为0.30,意味着市场认为大约有三成可能性成立,这只是便于理解的假设说明,并非本市场的实际价格。
如果结算时榜单打不开或数据有问题怎么办?
按规则,如果检查时点榜单不可访问,结算会顺延,直到榜单重新可以正常查看为止,不会因页面临时故障而强行按缺失数据判定结果。
如果榜首出现并列名次怎么判定?
规则规定先比较未经四舍五入的具体Arena评分,谁的评分更高谁排在前面;如果评分完全相同,再按公司名称的字母顺序判定归属。
风格控制关闭是什么意思,为什么重要?
风格控制关闭意味着排名不对回答的长度、格式等表达风格做归一化调整,直接反映用户投票的原始偏好,因此某些擅长“讨喜”表达风格的模型可能在这一设置下排名更靠前,这与风格控制开启版本的榜单可能存在差异。
为什么这个市场的成交量集中在一个交易场所?
目前公开记录显示该合约仅在Polymarket交易,约120万美元的成交额全部来自该平台,尚无其他场所提供同一结果的可比价格。

相关预测事件

代币化股票

为该资产催化因素提供背景的市场隐含概率。

相关事件

100%/ 0%
/