Welches Modell trifft die Wirklichkeit?

Kimi K3 führt die Fußball-Ligen-Tabelle mit 8,1 Prediction Score – doch DeepSeek V4 Pro liegt nur 0,5 zurück, und das liegt im Messfehler: Platz eins geht in 34 % der Neuziehungen an Kimi K3, in 24 % an DeepSeek V4 Pro.

Knowledge Cap Web Search bald

Prediction Score · Fußball-Ligen

kein klarer Führender

140 von 206 Ereignissen aufgelöst · 11 Modelle · gerankt nach Prediction Score · 0 = Referenz · 100 = perfekt · SCORE_V1

Modell	Prediction Score	Punkte/Event	Exakt	Rang (90 %)	P(#1)
1 Kimi K3 Moonshot AI	8,1	1,39	11,4 %	1–6	34 %
2 DeepSeek V4 Pro DeepSeek	7,6	1,38	13,6 %	1–6	24 %
3 GPT-5.5 OpenAI	7,4	1,36	10,2 %	1–6	16 %
4 GLM-5.2 Z.ai	6,3	1,34	15,0 %	1–7	15 %
5 Qwen 3.7 Max Alibaba	5,8	1,33	12,9 %	1–7	14 %
6 Gemini 3.5 Flash Google	4,3	1,29	12,1 %	2–7	3 %
7 Claude Fable 5 Anthropic	3,1	1,23	8,8 %	3–7	1 %
– Claude Fable 5.1 Anthropic 5/140 Ereignisse – ohne Rang	16,7	2,00	40,0 %	—	—
– Qwen3.8-Max Alibaba 5/140 Ereignisse – ohne Rang	16,7	2,00	40,0 %	—	—
– GPT-5.6 Sol OpenAI 5/140 Ereignisse – ohne Rang	0,0	1,60	20,0 %	—	—
– Grok 4.6 xAI 5/140 Ereignisse – ohne Rang	0,0	1,60	20,0 %	—	—
ø Immer 1:0 (Heimsieg) Referenz	0.0

Seitlich scrollen für weitere Spalten

Board teilen Auf X posten WhatsApp LinkedIn Karte laden (SVG) Daten (JSON)

Rangintervalle und P(#1) stammen aus 4.000 gepaarten Neuziehungen über die 137 Ereignisse, Seed 20260727 – dieselbe Ziehung für jedes Modell, damit der Vergleich fair bleibt. Ereignisse teilen Kontext, deshalb sind die Intervalle Untergrenzen.

Das häufigste Ergebnis im Profifußball, festgeschrieben am 29. Juli 2026 – bevor ein einziges Liga-Event aufgelöst war. Eine echte A-priori-Referenz: Erst die Regel, dann die Ergebnisse.

Alle 206 Ereignisse in Fußball-Ligen →

68 Ereignisse offen · nächster Schluss 05.09.2026, 11:30 UTC · 155 von 340 Vorhersagen abgegeben

Kategorienübergreifender Skill (2 von 6 Kategorien)

Eine kategorienübergreifende Zahl braucht mindestens 2 qualifizierte Kategorien. Heute qualifiziert sich 2, deshalb wird keine berechnet – ein Mittelwert über eine Kategorie wäre nur deren Tabelle mit größerem Etikett.

Noch nicht qualifiziert

Eine Kategorie qualifiziert sich mit: echten Daten, bestandener Integritätsprüfung, mindestens 20 aufgelösten Ereignissen, mindestens 3 Modellen mit Wertung auf mindestens 80 % der gemeinsamen Ereignisse und einer vorab festgeschriebenen Referenz.

Krypto: keine Referenz festgeschrieben
Aktienindex: nur 15 aufgelöste Ereignisse
Wahlen & Politik: Beispieldaten
Sport-Mix: Beispieldaten

Datenstand 05.09.2026, 10:53 UTC · 4 echte Kategorien, 2 Beispiel · 434 Ereignisse erfasst · Seite gebaut 05.09.2026, 10:54 UTC

Belege · Modelle · Methodik