Kan AI tänka lika bra högt som i skrift?
Kan artificiell intelligens (AI) tänka lika bra högt som den gör i skrift? Ett bitcoin-förutsägningsexperiment genomfört av Bitcoin.com News satte ChatGPT, Grok och Claude Opus 5.5 på prov, vilket avslöjade osäkra förutsägelser, tveksamt resonemang och en överraskande vändning: Claudes röstmodell visade sig vara mer transparent om sina begränsningar än sin textbaserade motsvarighet.
Experimentets genomförande
AI kan föra en konversation, låta som en finansiell analytiker och ge en bitcoin-prisprognos utan att missa ett slag. Men ger det att tala med en AI samma kvalitet av resonemang som att skriva en fråga till den? Ett experiment den 23 oktober 2026 satte den frågan på prov, och svaren var allt annat än raka. ChatGPT och Grok ställdes frågor genom röstgränssnitt, medan Claude Opus 5.5 först arbetade genom text. En efterföljande röstsession med Claude Opus 5.5 tillförde en avslöjande jämförelse.
Alla fyra modeller gav specifika bitcoin-priser vid årets slut. Ingen visade en reproducerbar beräkning bakom sitt slutgiltiga nummer, men skillnaderna i faktisk noggrannhet, konsekvens och villighet att erkänna osäkerhet var slående. Övningen involverade OpenAI:s ChatGPT, xAI:s Grok och Anthropic:s Claude Opus 5.5. Var och en ombads att förutsäga bitcoins stängningspris den 31 december 2026, med hjälp av fem uppmaningar som betonade historiska cykler, on-chain aktivitet, institutionell adoption och ekonomiska förhållanden.
Resultat och observationer
Bitcoin handlades nära $81,200 den 23 oktober, vilket gav experimentet en gemensam marknadsreferens. ChatGPT:s röstsession började på $89,500 och slutade så småningom på $82,000. Groks talade uppskattning rörde sig från $88,000 till $82,000. Claudes textmodell höll sig vid $78,000 genom sina uppmaningar, medan dess senare röstsession började på $88,000 innan den stabiliserade sig vid $85,000.
Övningen var inte en kontrollerad vetenskaplig standard. Olika företag använder olika arkitekturer, och sessionerna hade inte identisk verifierad tillgång till liveinformation. Ändå erbjöd konversationerna en avslöjande inblick i hur övertygande dessa system kan presentera finansiellt resonemang och hur väl det resonemanget klarar av granskning.
”ChatGPT:s röstsession producerade ett av experimentets tydligaste exempel på konversational flyt, som kom långt före den demonstrerade analysen.”
Experimentet fastställde inte att någon sådan forskning ägde rum. Det verkade som om det ljög. En efterföljande textbaserad ChatGPT-konversation erbjöd en mer skeptisk bedömning av den tidigare röstutbytet, inklusive erkännandet, ”Jag behandlade rimlighet som bevis.” Den distinktionen är viktig eftersom ChatGPT:s röst- och textupplevelser kan använda olika underliggande modeller.
Skillnader i prestation
Groks talade svar lät mer grundligt undersökta och gav siffror om bitcoins historiska nedgångar, inflation, institutionell aktivitet och den senaste Mt Gox-återbetalningsförseningen. Mycket av den informationen stämde överens med fakta och källor. Sedan kom en överraskning. Grok tilldelade enligt uppgift ungefär 90% sannolikhet för en räntehöjning från Federal Reserve vid mötet den 27-28 oktober. Granskningens marknadsreferenser placerade istället de oddsen runt 6% till 18%, beroende på källa och observationsdatum.
Skillnaden var betydande. Det greppade i grunden från en äldre referenspunkt. En låg sannolikhet för räntehöjning hade presenterats som något nära en säkerhet. Andra problem inkluderade ett gammalt $150,000 Bernstein bitcoin-mål och en felaktig beskrivning av var Fidelity:s projicerade prisspann stod i förhållande till marknaden.
Slutsatser och reflektioner
Experimentets mest avslöjande resultat var inte huruvida bitcoin skulle avsluta 2026 på $78,000, $82,000 eller $85,000. Det var att fyra övertygande prestationer i röstläge producerade fyra uppsättningar av finansiellt resonemang, och ingen kunde visa matematiken bakom sitt slutgiltiga svar.
För alla som använder AI för att utvärdera investeringar bör nästa test kräva identiska uppmaningar, dokumenterad retrieval-aktivitet, upprepade sessioner och oberoende kontrollerade siffror. Endast då kan forskare börja separera effekterna av röstinteraktion från de underliggande modellernas resonemangsförmågor.
