AI編碼模型王座爭奪戰 Kalshi與專家對冠軍看法分歧

在預測市場平台 Kalshi 上，一項引人注目的合約正吸引著人工智慧領域的關注。這項合約將預測哪家公司旗下的 AI 模型，能在 2026 年 12 月 31 日北美東部時區上午 10 時，於 LiveBench.ai 平台的「Coding Average」（編碼平均）榜單上奪冠。Kalshi 平台是一個提供預測市場（類似於體育博弈，但涵蓋各種事件結果）的線上交易所，讓用戶能根據對未來事件的判斷進行交易。

LiveBench.ai 的「Coding Average」分數由程式碼生成與程式碼完成任務所組成，且平台會定期改寫問題，以防止模型單純記憶答案。一旦期限過後，榜單的任何修訂都不會被採納。

目前，Anthropic 公司旗下的 Claude Fable 5 模型在 LiveBench.ai 的「Coding Average」榜單上暫居首位，獲得 85.99 分。然而，Claude Fable 5 的發展並非一帆風順。該模型於今年 6 月 9 日宣布，三天後即因美國出口管制而被迫暫停使用。雖然 Anthropic 已於 7 月 1 日重新上線該模型，並聲明導入新的安全分類器，但這也以犧牲部分良性請求（指日常編碼與除錯任務）的辨識精準度為代價。有專家認為，目前的 85.99 分已是經過安全分類器調整後的成績。

與此同時，OpenAI 公司在「Coding Average」榜單上表現強勁，前六名中有四個席次由其模型佔據，包括 GPT-5.6 Sol（83.94 分）、GPT-5.2 Codex（83.62 分）和 GPT-5.6 Luna（82.91 分）。專家評審團的八位成員中，有七位指出，OpenAI 的 GPT 5.6 系列中缺乏 Codex 品牌的模型，是今年底前最可能改變市場局勢的關鍵因素。

谷歌的 AI 模型表現相對落後，其 Gemini 3.7 Flash 模型以 78.89 分位居第十六名。報導指出，谷歌 DeepMind 團隊在推出 Gemini 3.5 Pro 時面臨內部延遲，因難以達到內部設定的性能目標。儘管如此，谷歌仍被專家評審團視為潛在競爭者，因為該公司是除了 Anthropic 和 OpenAI 之外，唯一曾領先 LiveBench.ai 「Coding Average」榜單的公司。月之暗面的 Kimi K3 以 81.45 分位居第九，而 Abacus.AI, Inc. 旗下的 Smaug-Agentic 模型（由月之暗面的 Kimi K3 微調而成）以 82.47 分排名第五，但 Abacus.AI, Inc. 並未在 Kalshi 平台上有交易合約。

Kalshi 平台的市場交易者目前看好 Anthropic，其合約出價接近六十美分，顯示市場認為 Anthropic 擁有兩分的領先優勢。然而，由八位專家組成的 AI 評審團（本文指由不同領域專家針對特定 AI 議題進行評估與預測的團體）則有不同看法。他們給予 Anthropic 的中位數預測機率為 35.0%，而 OpenAI 則略高一籌，達到 36.7%。評審團還預測，若最終由未在 Kalshi 平台上列名的公司奪冠，其機率為 9.5%。目前在 Kalshi 平台上，DeepSeek、阿里巴巴和百度並無出價紀錄。

專家評審團認為，OpenAI 若能在年底前推出 Codex 品牌的模型，或是 Anthropic 推出一個分數超越 85.99 的全新前沿模型，都可能大幅改變目前的競爭格局。此外，第四季若有新的開源模型推出，也可能推升「未列名公司」獲勝的機率，並降低所有已列名公司的勝率。Kalshi 的合約條款規定，若 LiveBench.ai 的榜單上由未列名的公司奪冠，所有現有九份合約將歸零。