تطبق شركة أوبيسيد الناشئة منهجاً مبتكراً لقياس أداء نماذج الذكاء الاصطناعي، يعتمد على محاكاة المراهنات الرياضية خلال بطولة كأس العالم لكرة القدم. بدلاً من الاعتماد على الاختبارات المعيارية التقليدية، اعتمدت الشركة على مجموعة من النماذج المتقدمة تشمل تشات جي بي تي وجيميني وكلود وجروك ومسترال وديبسيك وكيمي. تعمل هذه النماذج في وضع الوكيل الذكي قبل ساعة من انطلاق كل مباراة، حيث تقوم بجمع وتحليل البيانات العامة المتاحة حول الفرق والإصابات والظروف المحيطة، ثم تخصص جزءاً من رأس مال افتراضي قيمته عشرة آلاف دولار للمراهنة على النتائج عبر منصة البوليماركت الرقمية، مستفيدةً من نسب الاحتمالات الحية. كشفت النتائج عقب دور نصف النهائي عن تفوق نموذج مسترال مفتوح المصدر في صدارة التصنيف، متبوعاً بنموذج جي بي تي 5.5 المطور من أوبن إيه آي، ثم نموذج ديبسيك 4. في المقابل، سجل نموذج كلود أوبيس من أنثروبيك أدنى النتائج، ليصبح النموذج الوحيد الذي أنهى السباق بخسائر صافية. ويعزي محللون هذه النتيجة المحتملة إلى تصميمات السلامة الأخلاقية التي قد تحد من ميل النموذج لاتخاذ قرارات مخاطرة عالية في سياقات المراهنات. يسلط هذا المعيار التجريبي الضوء على جانب حاسم في تقييم الذكاء الاصطناعي، وهو القدرة على الحكم في ظل ظروف عدم اليقين. وتؤكد هذه التجربة أن تحويل تدفق المعلومات غير المؤكدة عبر الإنترنت إلى تنبؤات عملية مربحة يتطلب مهارات تحليلية وتقييماً ديناميكياً للمخاطر يتجاوز قدرات المعالجة اللغوية المجردة. وتأتي هذه المبادرة كخطوة عملية نحو اختبار الكفاءة التطبيقية للنماذج التنبؤية، مما يبرز الفجوات المستمرة في دقة الأحكام الآلية عند مواجهتها لمواقف واقعية تتطلب مرونة وسرعة في اتخاذ القرار تحت ضغط البيانات المتغيرة.