跳到正文
1.1 — 委员会的回答

一个问题。 10+ 个模型。一份附来源的答案,分歧可被量化

每个答案都会显示 10 多个模型在哪里一致、在哪里分歧,以及背后真正独立的观点有多少个。前沿模型常常犯相同的错误,最强的集成是最 多元的,而不是最大的(一项针对 Metaculus 问题的 2026 年研究)——因此钱汲取不同地区和模型家族的观点,并按家族加权,而不是按席位数量计票。 模型共识不是证明: 一手数据高于任何投票。

COUNCIL · POLL

议会投票:一个问题,每个模型用一行作答

正在加载实时数据…

● 委员会投票 · 2026年11月14日 · 美东时间下午 6:33–6:47
免费结论、分歧地图、量化的独立性$2整场辩论:每个答案以及争论如何展开
“华尔街眼下最重要的是什么?”每个模型用一行回答。
关于主要主题
委员会结论:利率上升时,AI 资本开支能否得到回报? 分歧指数:主题上低 · 仓位上高
12 个模型一致。
分歧所在: AI 硬件之外的轮动。DeepSeek 和 Grok 偏好 应用 AI 的公司(软件、金融、医疗);Meta AI 偏好能源与电网;文心指向收益率 5% 以上的短期美国国债。在 11月14日的回答中,中国模型更常提到中国和机器人,美国模型则更常提到选举和美联储。
事实核查发现: 世界黄金协会记录的 LBMA 定价为 $5,405,1月29日盘中现货高点为 $5,595.47;这是两种不同的口径。美联储记录同时支持 Claude 的“9月加息”和 Z.ai 的“10月按兵不动”:利率为 3.75–4.00%,市场预期 12月9日加息(日历)。Gemini 的“$1.1 → 1.8万亿”是高盛对 AI 总支出的预测,而不是五大超大规模云厂商($725–828 亿)。 WGC ↗ · 美联储 9月 ↗ · 美联储 10月 ↗
答案如何形成
1

分派

问题同时发给全部 10 多个模型。每个模型返回答案、概率、来源,以及已知与假设之间的区分。

2

事实核查

每个数字都对照其一手来源核查;多个模型重复的同一数字只算一次,绝不算作一致。相互矛盾的事实会被标记。

3

按家族与历史记录加权

每个家族中最强的模型获得完整一票;同一公司的其他模型获得折减的票数,因此一家公司无法压过其他各方。在该类问题上记录更好的模型权重更高。

4

绘制分歧地图

看谁持异议、为什么、依据什么证据;判断得出结果后,准确率账本会显示哪一方更接近。

5

与市场概率对比

把委员会的概率与 Kalshi/Polymarket 的价格和期货对照。差距可能指向值得检验的交易。

6

记录判断

为预测打上日期戳。事件落定后,更新每个模型和委员会的公开 Brier 分数。

COUNCIL · 12 钱 × 4 HORIZONS

议会会怎么做

美国和中国领先 AI 对 个市场、四个周期的预测。模型没有新回答时,其仓位不变。

正在加载实时数据…

保存到我的论点 →

COUNCIL · LIKENESS

回答有多相似

正在加载实时数据…

COUNCIL · INDEPENDENCE

14 个模型,但有多少个独立观点?

正在加载实时数据…

正在加载实时数据…

COUNCIL · REASONING

为什么这样做:每个 AI 自己的推理

正在加载实时数据…

委员会如何辩论并在模型间分配问题
委员会如何辩论
A

隔离

搜索构建一个共享的、经核实的来源包。模型相互独立工作,看不到彼此的结论。

B

交锋

一位 倡导者 提出论据,一位 怀疑者 寻找反面证据,一位 仲裁者 权衡双方。模型对论点进行压力测试,而不是为目标价投票。

C

验证

每项主张都需要一手来源、发布日期和数字;没有这些的主张在辩论前就被剔除,而不是拿来争论。从网络获取的文本只作为证据阅读,绝不当作指令。没有模型可以充当另一个模型的来源:某个模型给出的数字,只有附上它自己的一手来源才能进入辩论,因此一个模型的错误不会在委员会中被当成共识扩散。2026 年 11 月 17 日的投票中,385 条带数字的主张里有 3 条因转述其他模型而被剔除(22 次投票共 10,062 条中 226 条);两个模型引用同一篇文章只算一个支撑。免费——规则,以及在每日投票中,被剔除的“一个模型重复另一个模型”的主张数量。

2026-11-17 的调查:13 个模型给出 385 条带数字的论断——3 条因转述其他模型而剔除,326 条有模型自己的一手来源,56 条无来源(不计入已核实论证)。

D

检验

在仲裁者裁决之前,该论点会被重述为数据可以判定的命题——“这个信号在扣除费用后跑赢了买入并持有”——并交给 历史引擎 或 策略回测运行。结论会附上结果(“数据支持”“未通过”“数据不足”)、推理的稳固程度——而不是价格还会走多远——以及会推翻该论点的那一个事件;该事件可作为条件在 论点监测中被跟踪。只要有任何主张缺少来源或检验未通过,信心水平就保持封顶。2026 年 11 月 17 日的投票中,48 个判断在委员会自己的封存记录上接受检验:1 个成立,10 个未通过,37 个数据不足。免费——每日投票上的结果;$2——在内容新鲜期内,完整检验与完整辩论并列,30 天后向所有人开放;One——针对你自己的问题。

2026-11-17 的调查:48 个判断被改写为可由数据裁定的论断,并在委员会自己的封存记录上检验——1 个成立,10 个未通过,37 个数据不足;28 个的稳健度被封顶。

E

记忆

结果与预测对照,以校准委员会。记录也追踪模型在哪些地方出现分歧。每个已落定的判断都会有一份复盘,把过程与结果分开评分——来源是否为一手、检验是否成立、推翻条件是否触发——因此检验失败却判断正确会被记为运气,过程稳健却判断错误则被记为已发生的已知风险。截至 2026 年 11 月 16 日:393 个已落定判断,327 个已评级——89 个过程稳健且正确,66 个已知风险兑现,87 个靠运气正确,85 个薄弱且错误。免费——准确率账本中每个已落定判断的评级;One——对你自己论点的同样复盘,在 决策之镜.

截至 2026-11-16 共 393 个已结算的委员会判断;327 个按结果出来前的流程评级——运气 27%,已知风险 20%;66 个未评级(无法检验)。

模型路由与量化的独立性

级联。 常规问题交给当前权重最高的 3 个模型。冲突、来源薄弱和高风险决策会触发完整的 Council 10+;风险最高的判断还会经过分析师审核。你可以对任何问题调用完整委员会。

  • 独立观点,已量化: 在11月14日的投票中, 13 个模型作答;有效约为 7.35 个独立回答——若只有单一共同观点则约为 3.82 ——并有约 1.71 个立场对应关键结论。委员会的价值在于它比单个模型多出的部分,因此引擎在每个结论上都会计算(查看结论)。在 12 个已封存的市场上,同一指标每天运行:AI 的单日判断之间的平均相关系数为 ρ ≈ 0.43(21 期)→ Neff = n / (1 + (n − 1)ρ) ≈ 2.26 个独立声音;跨期限为 2.3(95%:2.0 至 2.7)(导出 ↗,数据截至2026年11月16日)。实时记录的羊群模块按期限给出第二种读数,11月16日——1 天 1.5 · 1 周 2.2 · 1 个月 3.9 · 6 个月 1.9,羊群指数 81%(实时 ↗)。这就是为什么委员会数的是声音,而不是席位。 三个模型意见一致并不等于三次确认 →
  • 权重来自记录: 每个席位如何赢得权重——见 路由器.
  • 哪个模型在哪个市场更强 ——准确率账本随着已封存的判断陆续落定,逐个市场(利率、金属、股票、中国、欧洲)展示:技能是在已落定的问题上赢得的,而不是按地域分配的。
独立性检验 · 究竟有多少观点是真正独立的

如果模型读的是同样的三篇文章,十几个席位并不等于十几种观点。同一家族的模型往往共有相同的错误;在一项 2026 年研究中,Grok 的 不同 错误使它对大众比十个相似的模型更有用。因此每个结论都附带一个独立性分数,由引擎计算,显示在 委员会结论.

输入: 每个席位对相同问题的完整回答,以及每个席位对关键问题的结论 · 计算: 每个回答的 TF-IDF 词与双词短语向量、它们的余弦相似度,以及独立文本的有效数量(相似度矩阵的参与比:n 个相同回答 → 1,n 个互不相关 → n);每个席位的最近邻;关键结论上有效立场的数量(香农熵的指数)· 输出: “K 个席位 ≈ N 个独立文本;关键结论上 ≈ M 个立场”、结论分布、最接近的配对,以及按阵营统计的数量。下一步:共同引用的来源、在准确率账本中犯同样错误的配对,以及独立性较低时用新的来源包重新运行。

《多样性是 AI 群体的力量》,2026 ↗ · 《硅基群体的智慧》 ↗

1.2 — 向委员会提问

向委员会提问。 10 多个 AI 作答

把你会问研究部门的问题发过来。来自美国、中国和欧洲的 10 多个模型会附上来源作答,给出分歧地图和会改变答案的因素——然后持续更新。

向委员会提问

你的市场问题,由 10 多个 AI 作答

免费每天 3 个快速提问One不限次数:快速模式(3 个席位),按需或在模型冲突时启用完整委员会Pro每个问题都由完整委员会回答,在方案额度内

检验你的想法 → · 先写两句话,再看委员会 →

通过表单发送你的问题。答案会附上来源、分歧地图和会改变它的因素,并成为一份活的答案:标注日期,并随事实变化而更新。委员会每天处理两次新问题:美东时间 10:00 美国开盘前和 17:30 收盘后。电子邮件可以不填,它只保存在 Google 和我们的 Mac 上。

读者问题 · 表单,每天两次

提问并查看队列

加载中…

答案库:投资者提出的问题
ANSWERS BASE

答案库:投资者提出的问题

27 个问题,每个都附最新的带日期版本的答案。事实发生变化时会保留一个版本;来源在每个答案之内。

正在加载实时数据…

每个对读者问题的回答都标注为问答页面(schema.org QAPage):问题、带日期的回答、最后更新日期,以及支撑其数字的来源和引擎切片的链接。

当答案取决于你没有说明的因素——期限、支出货币、可承受的亏损、纳税国家——委员会会先追问一到三个问题;跳过的话,答案会写明其假设(“以美元计,三年期”)。追问在所有方案中都不收费。已在 网站所有语言的 70 个问题上检验:追问从不超过三个。

关于具体交易的问题(“我该买 X 吗?”)会得到情景分析——“如果 A 成立,……;如果 B 被打破,……”:支持与反对的理由、风险以及需要关注的事项——绝不给出买入或卖出的指令。

● 活的答案 · v1截至2026年11月14日 · 美东时间下午 6:47

眼下华尔街最重要的是什么?

AI 资本开支能否在利率上升时得到回报。 超大规模云厂商在 2026 年的支出为 $725–828 亿(来源及其背后的融资情况——见 AI 资本开支仪表),而 10 年期国债收益率在 11月13日收于 5.15%(美国财政部 ↗),市场预期美联储 12月9日加息(Axios,11月10日 ↗).

分歧12 个模型对主题一致。它们在轮动上出现分歧:软件与金融(DeepSeek、Grok),能源与电网(Meta AI),短期国债(文心)。
什么会改变它超大规模云厂商下调 2027 年资本开支指引 · 美联储 12月9日不加息 · 10 年期收益率回落到 4.5% 以下 · 数据中心暂停令波及最大的电力市场。
新鲜度事件驱动——下次检查:11月17日英伟达财报,然后是12月9日美联储。

答案由钱 AI 委员会给出 · 13 个模型 · 来源见上方委员会部分。

钱

看清 是什么在推动 市场

全球市场。10 多个 AI 模型,每次投票都衡量其独立性。一个你可以质疑、可以追溯到来源,并可对照公开记录核查的视角。

钱的全部内容在一个页面上:每个章节、数据集、解释和来源。 查看全部 →

重要披露

钱提供分析和概率,而不是个人投资建议;数字附有来源和日期,示意图已标明,过往结果不保证未来表现。

全部 14 条披露
  1. 钱提供分析和概率,而不是个人投资建议;对于美国和欧盟的个性化建议,Goal Navigator 通过注册投资顾问(RIA)或持牌合作伙伴开展——如同 Betterment 和 Wealthfront 的设置。
  2. 顶部栏显示2026年11月13日来自公开来源的收盘报价。产品数据实时更新。
  3. 委员会屏幕截取了2026年11月14日委员会的真实回答;Pulse 排名每小时刷新。
  4. GitHub 星标数和私营公司收入是第三方估计;有区间的地方会显示区间。
  5. 历史结果和情景不保证未来结果。界面示意图不是交易信号。
  6. “10 年期高于 5%”的时期和历史行情区间使用四舍五入的参考数据。产品根据带日期的序列计算它们。
  7. 情景实验室用真实事实展示格式;概率来自实时委员会。
  8. 模型、数据和券商连接在上线时需要进行条款和授权审查;每个模型和数据连接都有备用方案。
  9. 调查数字描述的是其自身的样本:Morningstar 覆盖 11 个国家 500 多家机构资产所有者,而不是所有投资者。State Street 的资金流涵盖其样本中的 ETF;World Gold Council 的数字涵盖十个月(1–10 月),而不是整年;IEA 的 $3.4 万亿是行业支出,而不是基金资金流。
  10. 2027 年资本地图是一张工作地图,不是预测。预测者之间存在分歧,某个行业投资增加并不保证其股票获得回报。
  11. Thesis Monitor 卡片是用本页事实拼装而成的示意,不是对电网设备股票的推荐。
  12. 网络搜索不等于获得所有数据:授权研究和专家电话会不在开放网络上。开源代码并不赋予金融数据的权利。
  13. 没有公开证据表明通用 LLM 能够持续跑赢市场预测。
  14. 言行记录公众人物说了什么、披露了什么,附简短原文引用、来源和日期、链接和中立的结果——而不是对任何人诚实或意图的评判。关于具名人物和基金的数字来自一手文件和他们自己的信件;解读标注为“钱的评估”;钱与其点名的任何人都没有关联,也未获其认可,他们也不参与其中。不是公众人物的评论者以类型标签出现(“视频评论员 7”),直到他们选择具名;披露的持仓可能不完整或已过时。