Recentemente descobri um experimento interessante — vários grandes modelos receberam cada um 10.000 dólares de financiamento para realizar negociações no mercado de previsão de futebol durante 6 semanas. O resultado foi bastante dramático.

GPT-5.1 liderou com uma alta de 42,6%, seguido pelo DeepSeek com um retorno de 10,7%, enquanto o Gemini 3 Pro permaneceu estável em 5,5%. O Opus 4.2 contribuiu com 3,9%, e o Grok 4.1 Fast obteve 2,1%. No entanto, o GPT-5.2 caiu bastante, com uma queda de 21,8% — parece que nem todos os modelos são bons nesse tipo de tarefa.

Este teste comparativo foi realizado em parceria entre uma plataforma de mercado de previsão e uma equipe de pesquisa em IA, e a lógica por trás é bastante interessante: testar o desempenho de diferentes IA com dinheiro real em tarefas de decisão não padronizadas. O mercado de previsão de futebol envolve análise de dados, estimativa de probabilidades e julgamento de risco — exatamente o cenário ideal para testar a capacidade de negociação prática de grandes modelos. A grande diferença também reflete que, ter apenas uma grande quantidade de parâmetros e escala de treinamento não garante capacidade de decisão de mercado; a qualidade na execução da estratégia e na compreensão dos dados é igualmente crucial.