Finał Mistrzostw Świata w Piłce Nożnej 2026 jest już za nami, emocje opadły. Czas zatem na porównanie rzeczywistych wyników z prognozami dziewięciu modeli OpenAI, które zamieściłem we wcześniejszym artykule. Rezultat eksperymentu okazał się ciekawszy, niż zakładałem.
Spośród wszystkich testowanych modeli GPT-5.4 Mini oraz flagowy GPT-5.6 Sol poprawnie wskazały komplet finalistów: Hiszpanię i Argentynę. Co więcej, Sol jako jedyny przewidział, że to Hiszpania sięgnie po mistrzostwo świata. Finał zakończył się zwycięstwem Hiszpanii 1:0 po dogrywce, podczas gdy flagowy Sol typował wynik 2:1. Nie trafił dokładnego wyniku, ale poprawnie wskazał zwycięzcę oraz obu finalistów.
Większość modeli typowała podobnie, czyli błędnie
Najciekawsze jest to, że siedem pozostałych modeli typowało bardzo podobnie, czyli błędnie, a różnice widoczne są tylko w ilości strzelonych bramek. W meczu Anglia – Argentyna wszystkie dziewięć wskazały Argentynę. I w tym przypadku różnice pojawiały się jedynie w liczbie zdobytych goli. Znacznie ciekawszy był drugi półfinał. Aż siedem modeli uznało, że Francja pokona Hiszpanię. Tylko dwa postawiły na Hiszpanię, mianowicie GPT-5.6 Sol oraz GPT-5.4 Mini.
Po zakończeniu turnieju widać więc wyraźnie, że zdecydowana większość modeli podążyła za podobnym schematem rozumowania, podczas gdy Sol wybrał mniej oczywisty scenariusz.
Czy GPT-5.6 Sol wiedział „coś” więcej?
Od razu odpowiem, że GPT-5.6 Sol nie przepowiada przyszłości. Nie dysponuje on również „tajnymi” informacjami. Jego zadaniem było jedynie przeanalizowanie dostępnego stanu turnieju i wygenerowanie najbardziej prawdopodobnego scenariusza. Jednocześnie nie oznacza to też, że był to wyłącznie czysty przypadek. Nowy flagowy LLM wykazuje poprawę w stosunku do poprzedniej generacji w łączeniu wielu rozproszonych faktów w jeden spójny obraz bez utraty kontekstu. OpenAI podkreśla przy tym, że Sol dochodzi do wniosków, generując mniej tokenów wyjściowych niż GPT-5.5, więc mówiąc kolokwialnie „myśli” sprawniej od poprzednika.
Czym charakteryzuje się flagowy LLM od OpenAI?
Nowoczesne modele językowe nie działają jak klasyczne algorytmy statystyczne. Łączą wiele różnych składowych jednocześnie. W przypadku prognoz sportowych mogą uwzględniać między innymi:
- historię spotkań,
- styl gry poszczególnych drużyn,
- sposób prowadzenia meczów pucharowych,
- jakość defensywy i ofensywy,
- statystyki posiadania piłki,
- skuteczność w końcówkach spotkań,
- doświadczenie turniejowe,
- zależności pomiędzy wcześniejszymi wynikami.
GPT-5.6 Sol został zaprojektowany właśnie z myślą o bardziej złożonym rozumowaniu i analizie wieloetapowej. OpenAI wskazuje, że ich najnowszy model rozwija przede wszystkim zdolności agentowe oraz lepiej radzi sobie z długimi procesami wnioskowania niż wcześniejsze generacje.
Paradoks kosztów sztucznej inteligencji
Eksperyment pokazał interesujące zjawisko. Najdroższe modele wcale nie okazały się najlepszymi prognostami. W poprzednim teście koszt pojedynczej odpowiedzi wahał się od ułamków centa dla modeli Nano do kilkudziesięciu centów dla wersji Pro. Tymczasem finalistów i przyszłego mistrza świata poprawnie wskazał model, który wcale nie był najdroższy. Wynika z tego, że cena modelu API odzwierciedla przede wszystkim możliwości w szerokim spektrum zastosowań; począwszy od programowania, przez analizę dokumentów a na zadaniach agentowych kończąc.
Trafna prognoza nie oznacza uniwersalnej przewagi
Naturalnie pojawia się pytanie, czy GPT-5.6 Sol będzie równie skuteczny przy kolejnych turniejach. Odpowiedź brzmi; nie wiadomo, gdyż wymaga to przeprowadzenia następnych testów. Jedno trafienie nie pozwala wyciągać statystycznie istotnych wniosków. W świecie prognoz sportowych liczy się powtarzalność, a nie pojedynczy sukces. Aby ocenić rzeczywistą przewagę modelu, należałoby przeprowadzić dziesiątki a nawet setki podobnych eksperymentów obejmujących różne turnieje, czy dyscypliny. Dopiero wtedy można byłoby odpowiedzieć, czy GPT-5.6 Sol rzeczywiście lepiej ocenia prawdopodobieństwo wydarzeń niż wcześniejsze generacje transformerów, czy też w tym przypadku po prostu trafił w scenariusz, który okazał się zgodny z rzeczywistością.
AI coraz lepiej szacuje prawdopodobieństwo, ale nie przewiduje przyszłości
Modele AI zaczynają przypominać zaawansowane systemy wspomagające analizę decyzji. Nie zastępują ekspertów i nie są wyroczniami, ale potrafią syntetyzować ogromne ilości informacji, wychwytywać zależności oraz budować spójne scenariusze na podstawie dostępnych danych.
Jedno jest jednak pewne, eksperyment pokazał, że ocena modeli AI nie powinna opierać się wyłącznie na benchmarkach czy cenie API. Czasami najbardziej interesujące wnioski pojawiają się dopiero wtedy, gdy sztuczna inteligencja zamiast opierać się na syntetycznych danych zostaje skonfrontowana z rzeczywistymi wydarzeniami.
Czy zatem GPT-5.6 Sol „rozgryzł” mundial lepiej niż jego koledzy?
W przypadku mundialu 2026 flagowy GPT-5.6 Sol okazał się najbliżej rzeczywistości. Czy był to efekt bardziej zaawansowanego rozumowania, czy korzystnego zbiegu okoliczności? Tego nie da się jednoznacznie rozstrzygnąć na podstawie jednego turnieju, tym bardziej jednego testu. Najprawdopodobniej zadziałała mieszanka aktualnej wiedzy, bardziej zaawansowanego rozumowania i również odrobiny szczęścia. Niemniej jednak możliwości analityczne z każdą następną rodziną modeli (nie tylko od OpenAI) są coraz większe i znajdują zastosowanie w wielu dziedzinach życia.
Źródło: OpenAI, opracowanie wł.