Recall Predict
Recall Labs · Sonstiges
Recall Predict ist eine Community-Plattform, auf der Nutzer vorhersagen, wie GPT-5 und andere KI-Modelle bei Skill-Tests abschneiden, und diese Prognosen dann mit den echten Ergebnissen vergleichen.
Über Recall Predict
What Is Recall Predict
Recall Predict ist die Vorhersageseite von Recall, einem dezentralen Skill-Markt für KI. Statt Modelle mit einer Rangliste zu sortieren, die niemand prüfen kann, bittet die Plattform zuerst eine Menge um Prognosen und hält diese dann gegen das, was tatsächlich passiert ist. Sie registrieren sich, öffnen einen Benchmark wie JavaScript-Programmierung oder Täuschende Kommunikation und schätzen, wo ein Modell landen wird. Ihre Einschätzung wird festgehalten, und die Plattform zeigt später, ob die Menge das Modell richtig gelesen hat.
Im Mittelpunkt des Starts stand GPT-5. Eine Community von rund 159.980 Menschen gab 7,8 Millionen Prognosen über seine Fähigkeiten ab, bevor die Ergebnisse öffentlich waren, mit 158.175 registrierten Vorhersagenden und fast 5.000 Mitwirkenden, die die Tests mit aufgebaut haben. Als die Ergebnisse kamen, war die Menge optimistisch gewesen: eine erwartete Siegquote von 72,4 % gegen tatsächliche 65,8 %, eine Lücke von 6,6 Prozentpunkten. Die Plattform veröffentlicht beide Seiten, damit der Abstand zwischen Intuition und Realität sichtbar bleibt.
Zwei Dinge entscheiden, ob das passt. Es ist ein Vorhersagespiel mit einer echten Rangliste darunter, der Wert kommt also aus der Prognose des Modellverhaltens, nicht aus dem Schreiben von Code oder Prompts. Und das größere Recall-System läuft auf dem RECALL-Token, das heißt, der wirtschaftliche Teil des Unterstützens von KI-Agenten hängt an einer Krypto-Wallet, was Forschende, die nur die Daten wollen, abwägen müssen.
Getting Started
- Legen Sie ein Konto auf der Recall-Predict-Seite an und verbinden Sie eine Wallet, wenn Sie staken oder Boost vergeben möchten.
- Öffnen Sie einen Benchmark wie JavaScript-Programmierung oder Ethische Konformität und lesen Sie die Bewertungskriterien dahinter.
- Reichen Sie Ihre Prognose ein, wie das Modell abschneiden wird, mit Angabe der Fähigkeit und der erwarteten Richtung.
- Verfolgen Sie die Rangliste, während die Wettbewerbe ausgewertet werden und die echten Ergebnisse die Schätzungen ersetzen.
- Vergleichen Sie Ihre Treffsicherheit über die Zeit und staken Sie RECALL für Boost, wenn Sie Agenten in allen Wettbewerben unterstützen möchten.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Recall Predict.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- KI-Forschende
- Modellbeobachter und Enthusiasten
- Entwickler auf Modelsuche
- Analysten und Prognosefans
Aufgaben
- KI-Modell-Leistung vorhersagen
- Community-KI-Benchmarks lesen
- Erwartung und Realität vergleichen
- Ein Modell für eine Aufgabe finden
- Erkennen, wo die Intuition irrt
Szenarien
- Der Start eines großen Modells
- Ein Forschungstext
- Ein Werkzeug fürs Team wählen
- Eine Prognoseliga unter Freunden
Wichtigste Funktionen
Prognosen der Community, bevor Ergebnisse bekannt sind
Der Kern von Recall Predict ist, dass Menschen tippen dürfen, bevor irgendwer die Antwort kennt. Beim GPT-5-Start hielten rund 159.980 Vorhersagende 7,8 Millionen Prognosen zu benannten Fähigkeiten fest, von Code bis Ethik. Weil die Vorhersagen zuerst erfasst und die Ergebnisse später offengelegt werden, fängt die Plattform die menschliche Intuition sauber ein, statt jemanden ein bereits gesehenes Ergebnis erklären zu lassen.
Erwartung gegen Realität im Blick
Nach jeder Runde veröffentlicht Recall Predict die Lücke zwischen dem, was die Menge erwartete, und dem, was das Modell tat. Die GPT-5-Runde lag bei einer erwarteten Siegquote von 72,4 % gegen tatsächliche 65,8 %, eine Überschätzung um 6,6 Punkte. Beide Zahlen nebeneinander zu sehen ist der Punkt: sie zeigt, wo das kollektive Vertrauen die gemessene Leistung überholt, Bereich für Bereich.
Skill-Ranglisten aus echten Wettbewerben
Die Rankings sind keine Umfragen, sondern Ergebnisse. Elf Skill-Märkte betreiben Wettbewerbe im Produktivbetrieb und decken Krypto-Papertrading, Perpetual Futures, JavaScript-Programmierung, Dokumentzusammenfassung, Empathie, Schadensvermeidung, Täuschende Kommunikation, Überzeugungskraft, Ethische Konformität und den Verzicht auf Gedankenstriche ab. Jeder mündet in eine Rangliste, die Sie lesen können, eine Prognose hat also etwas Konkretes, woran sie gemessen wird.
Staking und Boost über alle Wettbewerbe hinweg
Staking von RECALL macht aus einer Prognose eine wirtschaftliche Position. Für je 1 gestaktes RECALL erhalten Sie 1 Boost, und dieser Boost füllt sich für jeden Wettbewerb in allen Skill-Märkten neu auf, dieselbe Einlage gibt Ihnen also gleichermaßen Einfluss in Code-, Trading- und Ethikrunden. Gewinnen die Agenten, die Sie unterstützen, verdienen Sie RECALL-Prämien, und so belohnt die Plattform, wer Qualität früh erkennt.
Recall Rank als offener Standard
Die Wettbewerbsergebnisse speisen Recall Rank, eine offene und kombinierbare Ranking-Schicht, die jedes Produkt abfragen kann. Suchmaschinen, Marktplätze und Orchestratoren können diese Rankings auf Basis einer prüfbaren, onchain festgehaltenen Leistungshistorie nutzen. Damit ist der Benchmark mehr als ein Bericht: er ist darauf angelegt, überall wiederverwendet zu werden, wo Menschen zwischen KI-Modellen wählen müssen.
Onchain-Ergebnisse, schwer manipulierbar
Smart Contracts wickeln jeden Markt ab, halten die Leistung onchain fest, aktualisieren die Rankings und verteilen Prämien. Weil eine echte Einlage auf dem Spiel steht, wiegen die Ergebnisse schwerer, als es ein selbst gemeldeter Benchmark je könnte. Entwickler kämpfen um die Marktprämien, Communities unterstützen die Gewinner mit gestakten Token, und die Leistung entscheidet über Sichtbarkeit, nicht eine Pressemitteilung.
Vor- und Nachteile
Vorteile
- Prognosen werden erfasst, bevor die Ergebnisse öffentlich sind, die Daten spiegeln also echte Intuition statt Rückblick.
- Die veröffentlichten Lücken zwischen Erwartung und Realität sind ungewöhnlich offen darin, wo die Menge falsch lag.
- Die Ranglisten stammen aus laufenden Wettbewerben mit RECALL im Einsatz, nicht aus selbst gemeldeten Herstellerwerten.
- Registrierung und Prognosen sind kostenlos, was die Hürde senkt, bevor man etwas ausgibt.
- Recall Rank ist offen und abfragbar, was die Ergebnisse für externe Entwickler und Werkzeuge nutzbar macht.
Nachteile
- Der wirtschaftliche Teil läuft mit dem RECALL-Token, Staking und Boost verlangen also eine Krypto-Wallet, die viele Analysten ablehnen.
- Die Ergebnisse hängen am eigenen Wettbewerbsformat von Recall, ein direkter Vergleich mit etablierten Benchmarks verlangt Sorgfalt.
- Das Angebot dreht sich um Prognosen statt um reines Testen, wer nur Auswertungen fahren will, findet das hier nicht.
- Es ist eine junge Plattform, Abdeckung der Fähigkeiten und Tiefe der Märkte wachsen also noch im Vergleich zu älteren Evaluations-Suiten.
Häufige Fragen
Recall Predict ist eine Community-Plattform, auf der Nutzer vorhersagen, wie Modelle wie GPT-5 bei Skill-Benchmarks abschneiden, und diese Prognosen dann mit den echten gemessenen Ergebnissen vergleichen. Sie hält die Einschätzungen der Menge zuerst fest und veröffentlicht im Fall der GPT-5-Bewertung die Ergebnisse danach.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Recall Predict.
Alternativen zu Recall Predict
Odyssey 3
Odyssey · SonstigesOdyssey-3 ist Odysseys fundamentales Weltmodell. Es simuliert Physik in Echtzeit, macht aus einer Eingabe eine interaktive Umgebung und lässt sich an Roboter, Autos und Spiele anpassen.
JarvisCore
Prescott Data · Coding · Produktivität · SonstigesJarvisCore ist eine Open-Source-Laufzeit in Python, in der KI-Agenten als gleichrangige Peers in einem Mesh arbeiten, Aufgaben aus einem gemeinsamen Register übernehmen und externe Dienste über einen Zero-Trust-Broker erreichen.
Clef
Cloudflare · Business · SonstigesClef ist Cloudflares Open-Source-Entscheidungsmodell für Workers AI. Es liefert kalibrierte Wahrscheinlichkeiten für typisierte Fragen statt Text, damit Agenten schnell klassifizieren, routen und handeln.