合约如何运作
这份合约在2026年12月31日结算：如果届时LiveBench.ai的“编程平均分”榜单上排名第一的模型来自Anthropic，合约支付1美元；如果第一名来自其他任何公司，合约归零。价格本身就是市场对这一结果发生概率的共识，例如一份价格为0.30美元的合约意味着市场认为该结果大约有三成的可能性发生——这只是举例说明机制，并非本合约当前的价格。在12月31日结算之前，持有者通常可以随时按当时的市场价格卖出仓位，不必等到结算日。
是68%
否32%
概率
价格如何变动
该市场于2026年7月29日首次被记录，隐含概率为42%，随后一天内一度冲高至99%，波动幅度极大，目前回落并稳定在56%附近，最近24小时仅上升1个百分点。这种剧烈波动加趋稳的走势，符合一个刚刚建立、成交尚在积累中的新市场的典型特征，目前没有公开报道的单一事件可以解释这一轮波动，更可能是早期价格发现过程本身的结果。
分析
背景
这一合约追踪的是LiveBench.ai——一个持续更新的AI模型基准测试网站——在其“编程平均分”（Coding Average）类别下的排名。截至2026年12月31日，如果Anthropic的模型在该榜单上排名第一，合约将结算为是。与之相关的还有针对OpenAI、谷歌、xAI和月之暗面（Moonshot AI）的独立是非合约，四家公司争夺同一个榜首位置，彼此互为对手盘。
Anthropic以Claude系列模型闻名，长期被开发者社区认为在代码生成和调试任务上表现突出。但OpenAI的GPT系列、谷歌的Gemini系列、xAI的Grok系列，以及中国公司月之暗面的Kimi系列，都在过去一年中多次刷新过各类基准测试的排名，包括LiveBench的编程类别。榜首归属会随着新模型发布而频繁易主，这也是该市场存在的根本原因。
该市场于2026年7月29日首次被记录时，隐含概率为42%，随后一天内出现剧烈波动，触及过99%的高点，目前各交易平台的共识价格在56%附近，24小时内仅上升1个百分点。这种“开盘即剧烈摆动、随后趋于稳定”的走势，是典型的新市场特征：市场刚建立时交易者数量少、信息不对称大，价格容易被少量交易推向极端，随着更多资金和信息进入，价格逐渐向一个相对稳定的区间收敛。目前Kalshi平台上该合约累计成交量约为234,994美元，考虑到市场仅上线一天，这一成交量说明关注度不低，但仍处于价格发现的早期阶段，56%这一共识不能被视为经过充分检验的稳定判断。
从结算机制看，LiveBench.ai的排名会随着新模型发布而实时更新，这意味着从现在到2026年12月31日的五个月里，任何一家实验室发布的重大模型更新都可能立刻改变榜首归属。历史上看，编程类基准测试的榜首更迭频率相当高：过去几轮更新中，OpenAI、Anthropic和谷歌都曾轮流占据编程类别的第一名，每次新模型发布后榜单排名往往会在几天内重新洗牌。这种波动性正是当前56%这一价格没有更接近90%或10%这类“接近确定”水平的根本原因——市场认可Anthropic当前具备优势，但同时清楚这一优势可能在结算日之前被任何一次新模型发布打破。
月之暗面（Moonshot AI）作为该榜单上唯一的中国实验室代表，其Kimi系列模型的表现也是市场需要消化的变量之一，尽管其被视为夺得编程类别第一名的可能性明显低于Anthropic、OpenAI和谷歌这三家头部实验室。总体而言，当前价格反映的是一个多方竞争、结果尚未收敛的格局，而非某一家公司已经建立起难以撼动的领先地位。
影响概率的因素
模型发布节奏
Anthropic、OpenAI、谷歌各自的下一代旗舰模型发布时间是最直接的变量。若Anthropic在四季度前发布新版Claude并在编程测试中拉开差距，将推高该合约价格；反之若竞争对手抢先发布更强模型，价格会相应下滑。
LiveBench更新频率
LiveBench.ai会随新模型发布持续调整榜单和评分方法，测试题目和权重的微调可能在没有新模型发布的情况下改变排名归属，这为结果增加了额外的不确定性。
月之暗面等中国实验室的进展
作为唯一入选独立合约的中国团队，月之暗面若发布性能显著提升的模型，会分流原本押注Anthropic或OpenAI夺冠的资金，尽管目前市场认为其夺得编程类第一的概率相对有限。
市场仍处早期、成交稀薄
该市场仅上线一天，价格曾在42%到99%之间大幅摆动，说明当前共识价格容易受到个别大额交易影响，尚未形成经过充分验证的稳定判断。
支持理由
- Anthropic需要在2026年12月31日之前发布或维持一款在LiveBench编程平均分上排名第一的模型。
- 这要求Anthropic的模型更新节奏至少不落后于OpenAI和谷歌，并且在具体编程测试题目上保持技术优势。
- LiveBench.ai需要在结算当天仍将编程平均分作为主要排名依据，且该榜单的评测方法未发生实质性变化。
反对理由
- OpenAI、谷歌或xAI中的任何一家若在未来五个月内发布性能更优的编程模型，都可能夺走榜首位置。
- 编程类基准测试历史上榜首更迭频繁，过去多轮更新中头部位置曾在不同实验室之间反复易手。
- 月之暗面等其他实验室的意外突破也可能改变最终排名，尽管这一可能性目前被市场认为相对较小。
后续关注
接下来五个月里，需要关注的时间点包括Anthropic、OpenAI、谷歌各自可能发布的新一代旗舰模型的具体日期，以及LiveBench.ai对编程平均分评测方法或题库的任何调整。由于该榜单是实时更新的，任何一次重大模型发布后的几天内，都可能直接改变当前的排名格局。最终结算将以2026年12月31日当天LiveBench.ai网站上的编程平均分排名为准。
