RSO-F ha empezado con fuerza en ForecastBench, una de las principales evaluaciones independientes de la capacidad de los modelos de IA para predecir acontecimientos reales. En los resultados preliminares de datos del 22 de septiembre de 2026, nuestra primera entrega obtuvo una puntuación superior a las mejores entradas publicadas de OpenAI, Anthropic, xAI y FutureSearch.
El modelo, registrado como RSO-F-ST, obtuvo 64,9 en el índice Brier de datos sobre 241 preguntas resueltas del horizonte de siete días de nuestra entrega del 30 de agosto. Esto sitúa a RysoAI cerca de Google DeepMind y Google Cloud, ambos con 65,0, y de Torchcast AI, con 65,8, en esta comparación.
ForecastBench · 22 de septiembre de 2026
Los primeros resultados de RSO-F a siete días
Índice Brier de datos · Cuanto mayor, mejor
Puntos: puntuación · Líneas: intervalo de confianza del 95 %
Organizaciones seleccionadas, con su mejor entrada publicada. RSO-F: 241 preguntas de datos resueltas a siete días. Las demás entradas abarcan preguntas e historiales distintos.
Ver la fuente de la instantáneaModelos, puntuaciones y recuentos exactos
Cada organización seleccionada está representada por una entrada con su mayor puntuación en la instantánea. Se indican también las configuraciones empatadas. Son resultados de modelos, no medias por empresa; el índice Brier no es un porcentaje de respuestas correctas.
| Posición | Configuración del modelo | Índice Brier de datos | Intervalo de confianza del 95 % | Preguntas de datos resueltas |
|---|---|---|---|---|
| 6 | labubu-nanoTorchcast AITambién empatados: skullpanda-nano | 65,8 | 63,4–68,3 | 241 |
| 12 | big green leafGoogle DeepMindTambién empatados: blue croc | 65,0 | 63,7–66,3 | 722 |
| 12 | NanoForecaster-MTV-0830Google Cloud | 65,0 | 63,7–66,3 | 241 |
| 17 | RSO-F-STRysoAI | 64,9 | 63,1–66,7 | 241 |
| 38 | fb_early_closer_v2FutureSearchTambién empatados: fb_forecaster_v2, futuresearch_bull_v4 | 63,3 | 62,3–64,3 | 722 |
| 47 | Grok 4.20 (Beta, C)xAI | 63,1 | 62,1–64,1 | 681 |
| 49 | gpt-5.5-2026-04-23-high-web-searchOpenAI | 63,0 | 61,9–64,1 | 974 |
| 93 | claude-opus-5-adaptive-thinking-max-web-search-code-execution-128kAnthropic | 61,7 | 60,6–62,7 | 934 |
Nuestra lectura“Nuestros primeros resultados públicos muestran que RSO-F compite con los sistemas de predicción líderes en el corto plazo.”
Qué significa
Es una primera demostración de lo que buscamos con RSO-F: convertir la información disponible hoy en mejores predicciones de lo que ocurrirá después. Una primera entrega pública que compite con equipos de predicción consolidados y supera a las entradas comparadas de modelos de frontera nos da una base sólida sobre la que avanzar.
Primer puesto compartido en datos de conflictos y protestas
RSO-F empató en el primer puesto de ACLED en los resultados originales a siete días. En las 50 preguntas de ACLED de nuestra entrega del 30 de agosto, RSO-F-ST obtuvo un Brier medio de 0,0487 con los resultados archivados el 22 de septiembre de 2026. Compartió el primer puesto entre 112 entradas válidas con nuestras otras dos variantes de Ryso, por delante de las mejores configuraciones publicadas de OpenAI, Anthropic, xAI, Google DeepMind, Google Cloud y Torchcast AI.
ACLED registra episodios de violencia política y protestas en todo el mundo. Estas preguntas de ForecastBench plantean si el número de eventos o de muertes en una ventana móvil de 30 días superará umbrales derivados de datos históricos; el resultado se evalúa siete días después de la entrega. El resultado apunta a una capacidad prometedora para predecir cambios en la actividad de conflictos y protestas.
Actualización del 10 de octubre de 2026: posteriormente se revisó un resultado. Al recalcular las mismas predicciones, RSO-F obtiene un Brier de 0,0685 y el sexto puesto compartido. El gráfico conserva el resultado original de septiembre; los datos descargables incluyen ambas versiones.
Ronda del 30 de agosto de 2026 · Datos del 22 de septiembre de 2026
ACLED: comparación a siete días
Brier medio · Cuanto menor, mejor
Puntos: Brier medio sobre 50 preguntas idénticas
Cálculo de RysoAI a partir de los archivos públicos de ForecastBench. Mejor configuración publicada por cada proveedor de modelos o equipo seleccionado; la comparación completa abarca 112 entradas válidas. Es un análisis de una fuente concreta, separado de la clasificación oficial anterior.
Ver los datos de resolución fijadosDescargar los datos de comparación y el método de cálculoModelos, puntuaciones y recuentos exactos
Todas las entradas se puntúan sobre las mismas 50 preguntas de ACLED con resolución el 6 de septiembre de 2026, usando los resultados archivados el 22 de septiembre. La puntuación es la media del cuadrado de la diferencia entre la probabilidad pronosticada y el resultado. Estas estimaciones puntuales no establecen significación estadística. Las etiquetas identifican la organización del modelo; la tabla indica las entregas de terceros. Las etiquetas siguen el archivo descargado; Anonymous 24 es la mejor entrada ajena a Ryso y no tiene un logotipo público de empresa.
| Posición | Configuración del modelo | Brier medio | Presentado por | Preguntas de datos resueltas |
|---|---|---|---|---|
| 1 | RSO-F-STRysoAI | 0,0487 | Ryso AI | 50 |
| 4 | model-4Anonymous 24 | 0,0500 | Anonymous 24 | 50 |
| 10 | claude-fable-5Anthropic | 0,0634 | Kerem Delikoyun | 50 |
| 16 | gemini-3.1-pro-preview-highGoogle DeepMind | 0,0723 | ForecastBench | 50 |
| 32 | molly-nanoTorchcast AI | 0,0830 | Torchcast AI | 50 |
| 36 | gpt-5.5-2026-04-23OpenAI | 0,0834 | ForecastBench | 50 |
| 53 | grok-4.20-0309-reasoningxAI | 0,0904 | ForecastBench | 50 |
| 60 | NanoForecaster-ATL-0830Google Cloud | 0,0911 | Google Cloud | 50 |
Cómo leer los resultados
El primer gráfico recoge la clasificación preliminar de datos de ForecastBench del 22 de septiembre de 2026. Muestra la entrada publicada con mayor puntuación de cada organización seleccionada. El resultado de RSO-F procede de sus primeras predicciones a siete días; las demás entradas tienen distintos conjuntos de preguntas e historiales de entregas.
El índice Brier de datos mide el rendimiento de las predicciones probabilísticas tras ajustar la dificultad de las preguntas; cuanto mayor, mejor. Las líneas muestran intervalos de confianza del 95 %. La clasificación preliminar abarca preguntas de datos; la del torneo combina resultados de datos y de mercados de predicción.
Dónde debemos mejorar
El resultado de ACLED a corto plazo es más fuerte que el de mayor horizonte. En el conjunto separado de 50 preguntas a 30 días de la misma ronda, RSO-F-ST ocupa el puesto 29 de 112 en nuestro cálculo del 10 de octubre. Parte de la ventana móvil de observación de 30 días ya ha transcurrido al presentar una predicción a siete días. Predecir más lejos exige más al modelo, y mejorar ese rendimiento es una prioridad.
La próxima prueba
Esperamos cierta degradación del rendimiento al puntuarse horizontes más largos. También esperamos que RSO-F siga siendo muy competitivo. El próximo hito es la clasificación combinada del torneo: ForecastBench exige 50 días de espera antes de poder entrar, por lo que nuestra entrega del 30 de agosto podrá aparecer como pronto el 19 de octubre. Publicaremos la comparación completa de datos y mercados de predicción cuando aparezca.
En las dos rondas posteriores al debut del 30 de agosto, probamos distintos enfoques y casos concretos de predicción con datos en tiempo real. Esperamos que estas entregas experimentales se sitúen aproximadamente en la mitad de la clasificación mientras aprendemos qué funciona. Cada prueba nos ayuda a entender los puntos fuertes del modelo, dónde necesita mejorar y qué mejoras se trasladan a preguntas nuevas.
Del archivo. La fecha corresponde al periodo descrito.
Clasificación preliminar de ForecastBench