Wyścig o model AI numer 1: o co w ogóle chodzi i czemu nagle wszyscy to obstawiają
Jeszcze parę lat temu znajomi chwalili się, że „wrzucili trochę w krypto” albo kupili akcje jakiejś modnej spółki. Dziś widzę screeny z zakładów o to, kto zbuduje najmocniejszy model AI. Zamiast typowania wyniku finału Ligi Mistrzów – kurs na to, czy model Google przegoni konkurencję, albo czy Anthropic wyskoczy nagle na prowadzenie.
Co to w ogóle znaczy „model AI numer 1”? W praktyce chodzi o połączenie kilku rzeczy: lepsze wyniki w testach, większą użyteczność dla firm i sensowne narzędzia dla zwykłego użytkownika. Jeśli jeden model umie lepiej odpowiadać na pytania, generować kod, streszczać dokumenty, a do tego jest tańszy i łatwiejszy do wdrożenia, to właśnie on zaczyna być postrzegany jako lider.
To nie jest abstrakcyjny konkurs piękności. Od tego, czy przewagę złapie Google, Anthropic, OpenAI czy zupełnie nowy gracz, zaleją bardzo konkretne pieniądze. Strategia korporacji, budżety na projekty AI, a pośrednio także to, jakie narzędzia trafią do przeciętnego Kowalskiego w jego przeglądarce albo w pracy.
Rynki predykcyjne doklejają do tego wszystkiego metkę z ceną. Użytkownicy kupują i sprzedają „udzialy” w różnych scenariuszach – na przykład w tym, że do konkretnej daty liderem modeli AI będzie dana firma. Im wyższa cena udziału, tym większa szansa, którą rynek przypisuje temu scenariuszowi. Kursy zmieniają się jak notowania na giełdzie, tylko zamiast akcji spółek mamy wizje przyszłości.
Najciekawsze jest to, że prognozy nie powstają tu w głowie jednego analityka czy dwóch ekspertów w telewizji. Kształtuje je tłum ludzi gotowych postawić własne pieniądze na swoje przewidywania. Z całym pakietem ich wiedzy, uprzedzeń, obsesyjnego scrollowania Twittera i Discordów o AI.
Pamiętam swoje pierwsze zetknięcie z takim rynkiem. Patrzyłem na kontrakt o to, kto będzie miał „najmocniejszy model” i pomyślałem: „to brzmi jak obstawianie Eurowizji, tylko dla modeli językowych”. Po chwili okazało się, że te wykresy wcale nie są takie straszne – po prostu pokazują, co zbiorowo uważa tłum śledzący Big Tech lepiej niż większość redakcji tech w mediach.
Jak czytać kontrakty: co oznacza, że Google, Anthropic czy inni mają „szansę na numer 1”
Wyobraź sobie konkretny kontrakt: „Która firma będzie mieć model AI numer 1 do końca roku?”. Widzisz listę nazw: Google, Anthropic, OpenAI, inni. Każda z nich ma swoją „akcję”, którą możesz kupić lub sprzedać. Cena tej akcji to po prostu rynkowa ocena szans.
Jeśli udział związany z Google kosztuje 0,35 dolara, to tłum uczestników zbiorowo wycenia szansę Google mniej więcej na 35%. To uproszczenie, ale dla zwykłego użytkownika wystarczające. Widzisz 0,10 – rynek mówi „mało prawdopodobne”. Widzisz 0,70 – „większość wierzy, że to właśnie oni dowiozą”.
Każdy taki kontrakt ma jasno opisane warunki rozstrzygnięcia. Do kiedy trwa zakład, według jakich testów będzie oceniane, który model jest numerem 1, kto ogłasza wynik. Nie musisz czytać każdego technicznego szczegółu, ale istotne jest jedno: musi być z góry zdefiniowane, co znaczy „wygrał”. Czasem to konkretne benchmarki wydajności, czasem połączenie kilku wskaźników.
Ciekawie robi się, gdy spojrzysz na zmianę cen w czasie. Nagle kurs na Anthropic podskakuje z 0,18 do 0,30 w jedno popołudnie. Co się stało? Zwykle oznacza to przecieki o nowym modelu, slajdy z prezentacji krążące po sieci albo pierwsze nieoficjalne wyniki testów. Rynek reaguje szybciej niż oficjalne artykuły, bo ludzie wchodzą z pieniędzmi zanim zdążą napisać długi raport.
Miałem niedawno sytuację, w której patrzyłem na taki kontrakt dokładnie w momencie, gdy pojawiły się pierwsze informacje o nowym modelu z ogromnym oknem kontekstu. Kurs dosłownie w kilka godzin wystrzelił, jakby ktoś podkręcił suwak „entuzjazm” do maksimum. Dopiero później można było na spokojnie przeczytać, co ten kontekst faktycznie zmienia dla biznesu – dokładniej opisuję to w tekście o oknie kontekstu 1 mln tokenów w Claude Sonnet 4.6.
Jeśli przy tym wszystkim zastanawiasz się, czym właściwie są te nowoczesne modele językowe i czemu właśnie na nie stawiają firmy – polecam zajrzeć do artykułu o dużych modelach językowych w biznesie. Tam rozkładam na czynniki pierwsze, jak z punktu widzenia firmy wygląda „mocny model” i gdzie kończy się hype, a zaczyna realna wartość.
Co mówią kursy o oczekiwaniach rynku wobec Google, Anthropic i reszty wyścigu
Rozkład kursów w takim kontrakcie działa trochę jak sondaż nastrojów, ale z jednym twistem: tu odpowiadają tylko ci, którzy są w stanie postawić na swoją opinię własne pieniądze. To inny poziom zaangażowania niż kliknięcie ankiety na Instagramie.
Typowy obraz wygląda tak: gigant pokroju Google ma zwykle wysoki kurs. Inwestorzy zakładają, że dysponuje ogromnymi danymi, infrastrukturą, zespołami badawczymi. W tle jest przekonanie, że nawet jeśli dziś nie prowadzi, to prędzej czy później dowiezie model, który wszystko zmieni.
Z drugiej strony są wyspecjalizowane firmy w stylu Anthropic. Często postrzega się je jako bardziej zwinne, gotowe szybciej eksperymentować z nowymi architekturami, innym podejściem do bezpieczeństwa, świeżymi funkcjami. Ich kursy bywają niższe od gigantów, ale gdy tylko pojawia się informacja o przełomie, potrafią rosnąć w drastycznym tempie.
Rynek inaczej patrzy też na Big Tech jako całość. Duże firmy dostają swego rodzaju premię za skalę: nawet jeśli aktualnie nie pokazują nic spektakularnego, wielu inwestorów zakłada, że mają zasoby, by „nadgonić na finiszu”. Za to mniejsi gracze żyją informacyjnymi skokami. Jedna prezentacja, jeden benchmark, jedna głośna współpraca i kurs potrafi odbić o kilkadziesiąt procent.
Rynki predykcyjne miewają jeszcze jedną cechę: reagują na przecieki, plotki i sygnały z niszowych społeczności szybciej niż tradycyjna giełda. Uczestnicy są często głęboko zanurzeni w świat AI, Discordów, konferencji branżowych. Kto pierwszy wyłapie prezentację zamkniętą dla partnerów, ten zdąży kupić „akcje” danej firmy, zanim reszta świata w ogóle usłyszy nazwę nowego modelu.
Przykład z modelem o ogromnym oknie kontekstu dobrze to pokazuje. W chwili ogłoszenia kurs skoczył, wszyscy podekscytowani. Dopiero po paru dniach, gdy opadł kurz i można było policzyć koszty, pojawiły się spokojniejsze analizy, czy to przełom dla biznesu, czy raczej świetnie podany marketing – szerzej rozpisuję to we wspomnianym już tekście o Claude Sonnet 4.6.
W tym wszystkim trzeba pamiętać o jednym: tłum też potrafi się pomylić. Spektakularnie. Historie zakładów, w których „pewniak” w kursach nagle przegrywa, powtarzają się regularnie. To część zabawy dla jednych, ale dla kogoś, kto traktuje te kontrakty jak inwestycję, to bardzo realne ryzyko.
Jak zwykły użytkownik i inwestor może korzystać z tych prognoz (i nie zwariować po drodze)
Wyobrażam sobie czytelnika, który pracuje w zupełnie innej branży, a po pracy lubi po prostu śledzić Big Tech, krypto i kolejne premiery modeli AI. Rynki predykcyjne mogą być dla takiej osoby czymś w rodzaju radaru. Zamiast skakać między sprzecznymi opiniami ekspertów w social media, można jednym rzutem oka zobaczyć: kto dzisiaj jest faworytem tłumu, a kto traci zaufanie.
Najprostsze podejście to śledzenie trendów w czasie. Czy dana firma miesiąc po miesiącu systematycznie zyskuje w kursach? Czy może jest wiecznym „drugim miejscem”, które raz na jakiś czas ma zryw i potem wraca do średniej? Taki wykres potrafi powiedzieć więcej o nastrojach niż niejedno 40-stronicowe opracowanie.
Drugi sposób to porównywanie reakcji rynku na duże wydarzenia: konferencje, prezentacje nowych modeli, publikację benchmarków. Po keynote’cie Google zaglądasz na kontrakty i widzisz, czy ludzie faktycznie zmienili swoje zakłady, czy raczej wzruszyli ramionami. To szybki test, ile w danej prezentacji było treści, a ile fajerwerków.
Traktowałbym jednak te kursy jako jedno ze źródeł, a nie wyrocznię. Obok nich są raporty firm technologicznych, własne doświadczenia z narzędziami i spokojniejsze analizy. Jeśli myślisz o poważniejszym inwestowaniu w AI (nie tylko w kontrakty na rynkach predykcyjnych, ale też w projekty i wdrożenia), tym bardziej przyda się głębsze spojrzenie – na przykład to, które opisuję w tekście o praktycznym wykorzystaniu LLM w biznesie.
Jest jeszcze druga strona medalu. Rynki obstawiają „kto wygra”, a my jako użytkownicy musimy mierzyć się także z konsekwencjami społecznymi. W tekście o ciemnej stronie AI pokazuję, że te same technologie, które podkręcają kursy na rynkach, generują też deepfake’i, agresywne chatboty i sporo psychicznego bałaganu. Tego w kontraktach wprost nie widać, ale konsekwencje odczujemy wszyscy.
Sam, zanim wejdę w nowy trend, lubię najpierw spojrzeć na różne narzędzia do śledzenia danych. Trochę jak przed wyjazdem – sprawdzam koszty noclegu i warunki podróży w serwisie HikersBay, tak przed wrzuceniem pieniędzy w kolejny zakład o przyszłość AI patrzę na „prognozy tłumu” i to, jak zmieniały się w ostatnich tygodniach.
Rynki predykcyjne potrafią wciągnąć. Łatwo zapomnieć, że za każdym kursem stoi ryzyko bardzo prostego scenariusza: wkładasz realne pieniądze i możesz je zwyczajnie stracić. Bez delikatnych słów – to nie jest gra bezbolesna finansowo.
Dlatego najbardziej lubię patrzeć na te kontrakty jak na podgląd zbiorowej intuicji o przyszłości AI. Czasem trafnej, czasem kompletnie chybionej. W sam raz, żeby poobserwować wyścig po model numer 1, ale nie po to, by oddawać im kontrolę nad własnym portfelem.