AI 評測
動態預測榜揭露專用代理優勢：前沿通用模型未壟斷 ForecastBench
ForecastBench 7 月 27 日更新的初步榜單顯示，前三名全由 Torchcast AI 專用代理取得，最高 Brier Index 為 65.6。GPT-5.5 搜尋代理與超級預測者中位數落在相近區間，但題目數、提交時間及置信區間差異限制了直接排名解讀。
ForecastBench 最新初步榜單提供一個不同於知識或程式測驗的訊號：截至 7 月 27 日，Torchcast AI 的 `rice-demon`、`captain-jack` 與 `dragon-brother` 分居前三，Brier Index 分別為 65.6、65.3 與 65.2；Google DeepMind、Voicetree、GPT-5.5 搜尋代理及 FutureSearch 系統則形成後續梯隊。這項結果不代表小型團隊已在一般智能上超越前沿模型，而是說明搜尋、機率校準、問題分解與集成策略，可能比單一基礎模型名稱更能決定預測品質。
這套基準每兩週要求系統預測尚未揭曉的真實事件，因此答案在提交時不存在，較不容易被訓練資料污染。原始 Brier score 會依題目難度調整，再轉換為 0 至 100 的 Brier Index；50 代表完全無資訊的預測，數值愈高愈好。FutureSearch 同步整理的 preliminary leaderboard 涵蓋 304 個提交，其中 GPT-5.5 高推理加網路搜尋取得 63.8，但只完成 242 題；前三名各有 479 題。超級預測者中位數為 63.7，卻來自不同時期的 521 題，不能視為嚴格同場對照。
工程上值得注意的是，ForecastBench 的正式榜單會延後納入提交，以增加穩定性；目前畫面明確標示為 preliminary。各系統的置信區間亦大量重疊，零點幾分差距未必具統計意義。後續應觀察專用代理能否在更多輪次維持領先，以及公開搜尋紀錄、提示、集成方法與成本，否則榜單只能證明整套系統有效，無法定位增益究竟來自模型、資料來源或後處理。