Recall Predict
Recall Labs · その他
Recall Predictは、GPT-5をはじめとするAIモデルがスキルテストでどう結果を出すかを利用者が予測し、その予測を実際の結果と照らし合わせられるコミュニティ主導のプラットフォームだ。
Recall Predict について
What Is Recall Predict
Recall Predictは、AIのための分散型スキルマーケットであるRecallの予測側を担う。誰も検証できないランキングでモデルを並べる代わりに、まず大勢に結果を予測させ、その予測を実際に起きたことと突き合わせる。登録して、JavaScriptコーディングや欺瞞的なコミュニケーションといったベンチマークを開き、モデルがどの位置に来るかを見積もる。判断は記録され、あとでコミュニティがモデルを正しく読めていたかが示される。
公開時の主役はGPT-5だった。約15万9,980人のコミュニティが結果公開前に780万件の予測を能力について積み上げ、登録した予測者は15万8,175人、テストの構築を支えた貢献者は5,000人近くに上った。結果が出ると、コミュニティは楽観に傾いていた。予想勝率72.4%に対し実測65.8%、その差は6.6ポイントだ。プラットフォームは両方を公開し、直感と現実の隔たりを見える状態に保つ。
向くかどうかを決める要素は二つある。これは予測ゲームであり、その下に本物のランキングが敷かれている。価値はモデルの振る舞いを当てることから生まれ、コードやプロンプトを書くことではない。そしてRecall全体はRECALLトークンで動くため、AIエージェントを支える経済面は暗号資産ウォレットにつながる。データだけが欲しい研究者はここを天秤にかける必要がある。
Getting Started
- Recall Predictのサイトでアカウントを作り、ステーキングやBoostを使うならウォレットをつなぐ。
- JavaScriptコーディングや倫理適合性といったベンチマークを開き、その背後の評価基準を読む。
- モデルがどう結果を出すかの予測を送る。どのスキルで、どちらの方向に動くと見るかを示す。
- 競技が決着し、推定値が実際の結果に置き換わっていく過程で順位表を追う。
- 時間をかけて自分の精度を比べ、全競技でエージェントを支えたいならRECALLをステーキングしてBoostを得る。
AIツール情報
Recall Predictの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- AI研究者：大規模でタイムスタンプ付きのクラウドソース型AI評価データを手に入れ、人間の予測と測定結果を突き合わせられる。プラットフォーム自身の集計値を引用することが条件だ。
- モデルウォッチャーやファン：新しいリリースがどう着地するか気になる人は、無料で登録して具体的なスキルに判断を下せる。
- モデルを探す開発者：順位表は実際の競技結果を示すので、その上に何かを築く前にどのモデルがタスクを制するか分かる。
- アナリストや予測好き：較正された予測を楽しむ人なら、多くのベンチマークで自分の精度を追える。
タスク
- AIモデル性能の予測：結果が公開される前に、GPT-5や別のモデルがスキルでどうなるかを言い当てる。
- コミュニティAIベンチマークを読む：このコミュニティAIベンチマークのスキル順位表をたどり、マーケティングの言葉ではなく測定された性能を見る。
- 期待と現実の比較：大勢の判断と、モデルの領域ごとの実際の勝率を並べて見る。
- 用途に合うモデル探し：順位表を使って、コーディングや要約、説得に合うモデルを選ぶ。
- 直感が外れる場所を知る：公開された隔たりは、人が一貫して誤解するAI能力を示す。
シーン
- 大型モデルのリリース：AIスキルマーケットで公開前に予測を記録し、結果が出たら見返せる。
- 研究記事：大勢の精度の数字と領域ごとの隔たりを、AIへの期待を扱う文章の根拠として引き出す。
- チームのツール選び：該当するスキルマーケットを確認し、採用を決める前にどのモデルが本当に勝つかを見る。
- 仲間内の予測リーグ：多くのスキルで、15万人を超える予測者と自分の精度を比べる。
主な機能
結果公開前のコミュニティ予測
Recall Predictの核は、誰も答えを知らないうちに判断を下せることにある。GPT-5の公開時、約15万9,980人の予測者がコーディングから倫理まで名指しのスキルに780万件の予測を記録した。予測を先に記録し、結果を後に公開するため、すでに見た結果を説明させるのではなく、人間の直感をきれいに捉えられる。
期待と現実の追跡
各ラウンドの終わりに、Recall Predictは大勢の期待とモデルの実際の行動の隔たりを公開する。GPT-5の回は予想勝率72.4%に対し実測65.8%で、6.6ポイントの過大評価だった。二つの数字を並べて見ることこそが要点だ。領域ごとに、集団の自信が測定された性能をどこで追い越すかを示す。
実際の競技から生まれるスキル順位表
ランキングはアンケートではなく結果だ。11のスキルマーケットが本番環境で競技を回しており、暗号資産のペーパートレード、無期限先物、JavaScriptコーディング、文書要約、共感、危害回避、欺瞞的なコミュニケーション、説得力、倫理適合性、ダッシュ記号を使わないことを対象にする。どれも読める順位表に決着するので、予測には採点される具体的な対象がある。
全競技にまたがるステーキングとBoost
RECALLをステーキングすると、予測が経済的な持ち高に変わる。1 RECALLをステーキングするごとに1 Boostを得られ、そのBoostは全スキルマーケットのあらゆる競技で再生される。同じステークがコーディングでもトレードでも倫理の回でも同じ影響力を与える。支えたエージェントが勝てばRECALLの報酬が入る。品質を早く見抜いた人をプラットフォームが報いる仕組みだ。
オープン標準としてのRecall Rank
競技結果はRecall Rankに流れ込み、これはどの製品も問い合わせできるオープンで組み合わせ可能なランキング層だ。検索エンジン、マーケットプレイス、オーケストレーターは、検証可能でオンチェーンに記録された実績に基づいてこのランキングを引ける。ベンチマークは単なるレポートを超える。AIモデルを選ぶ必要のあるあらゆる場面で再利用されることを前提に作られている。
オンチェーンで改ざんに強い結果
スマートコントラクトが各マーケットを決済し、性能をオンチェーンに記録し、ランキングを更新して報酬を配る。実際のステークが賭かっているため、結果の重みは自己申告のベンチマークには出せないものになる。開発者はマーケットの報酬を競い、コミュニティはステークしたトークンで勝者を支え、可視性を決めるのはプレスリリースではなく性能だ。
メリットとデメリット
メリット
- 予測は結果公開前に記録されるため、データは後知恵ではなく本物の直感を映す。
- 公開される期待と現実の隔たりは、大勢がどこで間違えたかについて異例なほど率直だ。
- 順位表はRECALLが賭けられた稼働中の競技から生まれ、ベンダーの自己申告スコアではない。
- 登録も予測も無料で、何かを使う前に参加の敷居が低い。
- Recall Rankはオープンで問い合わせ可能なため、結果が外部の開発者やツールに役立つ。
デメリット
- 経済面はRECALLトークンで動くため、ステーキングとBoostには暗号資産ウォレットが必要で、多くのアナリストはこれを避ける。
- 結果はRecall独自の競技形式に縛られるので、確立したベンチマークと直接比べるには注意がいる。
- 設計の中心は生のテストではなく予測にあるため、評価を回すことだけを求める人には向かない。
- 新しいプラットフォームであり、スキルの範囲とマーケットの厚みは歴史の長い評価スイートと比べて発展途上だ。
よくある質問
Recall Predictは、GPT-5のようなモデルがスキルベンチマークでどう結果を出すかを利用者が予測し、その予測を実際の測定結果と比べるコミュニティ主導のプラットフォームだ。大勢の判断を先に記録し、GPT-5の評価では結果を後から公開する。
関連コンテンツ
Recall Predictに関連するツール、スキル、記事を探す。
Recall Predictの代替ツール
Odyssey 3
Odyssey · その他Odyssey-3はOdysseyの基盤ワールドモデルだ。物理をリアルタイムにシミュレーションし、プロンプトからインタラクティブな環境を生成して、ロボットや車、ゲームに適応する。
JarvisCore
Prescott Data · コーディング · 生産性向上 · その他JarvisCore は、AI エージェントが対等なピアとしてメッシュを組み、共有台帳からタスクを引き受け、ゼロトラストのブローカー経由で外部サービスを呼ぶオープンソースの Python ランタイムである。
Clef
Cloudflare · ビジネス · その他Clef は Workers AI で動く Cloudflare のオープンソース意思決定モデルだ。生成テキストではなく、型付きの設問に確率を返す。エージェントは素早く分類し、振り分け、行動できる。