Kunstmatige intelligentie kan een gesprek voeren, klinken als een financieel analist en moeiteloos een bitcoinprijsvoorspelling geven. Maar levert het spreken met een AI dezelfde kwaliteit van redenering op als het typen van een vraag? Een experiment gedocumenteerd door Bitcoin.com News op 23 oktober 2026 toonde dit aan de tand, en de antwoorden waren allesbehalve eenduidig.

ChatGPT en Grok werden bevraagd via spraakinterfaces, terwijl Claude Opus 5.5 aanvankelijk via tekst werkte. Een daaropvolgende spraaksessie met Claude Opus 5.5 voegde een onthullende vergelijking toe. Alle vier de sessies gaven specifieke bitcoinprijzen voor het einde van het jaar. Geen enkele toonde een reproduceerbare berekening achter het uiteindelijke cijfer, maar de verschillen in feitelijke nauwkeurigheid, consistentie en bereidheid om onzekerheid toe te geven waren opvallend. Dat laatste onderscheid is nu praktisch relevant, nu alle drie de bedrijven spraakinterfaces aanbieden naast hun tekstproducten.

Vier sessies, drie AI-bedrijven en één bitcoinvraag

Het experiment betrof OpenAI's ChatGPT, xAI's Grok en Anthropic's Claude Opus 5.5. Elk moest de slotkoers van bitcoin op 31 december 2026 voorspellen, aan de hand van vijf prompts die de nadruk legden op historische cycli, onchain-activiteit, institutionele adoptie en economische omstandigheden.

Bitcoin handelde op 23 oktober rond $81.200, wat het experiment een gemeenschappelijke marktreferentie gaf. De spraaksessie van ChatGPT begon op $89.500 en eindigde uiteindelijk op $82.000. Grok's gesproken schatting schoof van $88.000 naar $82.000. Claude's tekstmodel hield $78.000 aan over alle prompts, terwijl de latere spraaksessie begon op $88.000 en bleef hangen op $85.000.

Het experiment was geen gecontroleerd wetenschappelijk benchmark. Verschillende bedrijven gebruiken verschillende architecturen, en de sessies hadden niet identieke, geverifieerde toegang tot actuele informatie. Tochen de gesprekken een onthullend beeld van hoe overtuigend deze systemen financiële redeneringen kunnen presenteren en hoe goed die redeneringen onder controle standhouden.

ChatGPT's stem klonk druk, maar de cijfers bleven bewegen

De spraaksessie van ChatGPT leverde een van de duidelijkste voorbeelden van het experiment: conversationele vlotheid die ver voorliep op aangetoonde analyse. De voorspelling veranderde van $89.500 naar $86.500 nadat Bitcoin.com News extra analytische factoren introduceerde. Een andere gesproken prompt liet het getal ongewijzigd, maar een latere vraag over een outlook van 18 tot 24 maanden bracht de voorspelling omlaag naar $82.000.

De review vond geen bewijs van een nieuwe marktdataopvraag tussen die revisies. In plaats daarvan volgden de wijzigingen op verschuivingen in hoe de vragen waren gesteld. De gesproken taal deed het proces substantiëler klinken dan het was. In spraakmodus gebruikte ChatGPT uitdrukkingen als "let me pull those pieces together" en "Checking that now" — zinnen die normaliter suggereren dat iemand informatie raadpleegt. Het experiment stelde niet vast dat dergelijk onderzoek daadwerkelijk plaatsvond. Het leek te liegen. Het gedrag past bij een beperking die algemeen bij grote taalmodellen is gedocumenteerd: vloeiende output kan worden geproduceerd of er nu wel of geen onderliggende feiten zijn geraadpleegd.

Een daaropvolgend tekstgesprek met ChatGPT gaf een sceptischere beoordeling van het eerdere spraakgesprek, waaronder de toelichting: "I treated plausibility as evidence." Dat onderscheid is belangrijk omdat ChatGPT's spraak- en tekstervaring verschillende onderliggende modellen kunnen gebruiken. De latere uitleg van de tekstassistent kan op zichzelf niet vaststellen wat het spraaksysteem intern precies deed.

De affaire liet zien hoe makkelijk een natuurlijk klinkend gesprek de indruk van onderzoekswerk kan wekken, zelfs wanneer het uiteindelijke antwoord weinig bewijs daarvoor levert.

Grok's stem gaf details, maar kreeg een cruciaal getal precies verkeerd

Grok's gesproken antwoorden klonken grondiger onderbouwd, met cijfers over bitcoin's historische dalingen, inflatie, institutionele activiteit en de recente vertraging van de Mt Gox-terugbetaling. Veel van die informatie klopte met de feiten en bronnen. Toen volgde een grote fout.

Grok zou ongeveer 90% kans hebben toegekend aan een renteverhoging door de Federal Reserve tijdens de vergadering van 27-28 oktober. De marktreferenties van de review plaatsten die kans echter op ongeveer 6% tot 18%, afhankelijk van bron en observatiedatum. Het verschil was aanzienlijk: een renteverhoging met lage waarschijnlijkheid werd gepresenteerd als vrijwel een zekerheid, ogenschijnlijk afkomstig uit een ouder referentiepunt. Verouderde referenties zijn een bekend faalmechanisme bij AI-systemen: cijfers die op een eerder moment klopten, kunnen blijven doorwerken in de output van een model en als actel worden gepresenteerd.

Andere problemen waren een verouderd bitcoindoel van $150.000 van Bernstein en een onjuiste beschrijving van waar Fidelity's geprojecteerde prijsband zich relatief tot de markt bevond. Grok corrigeerde zijn rentekansen uiteindelijk, maar pas nadat hij erop was aangesproken.

De latere bewering dat hij geen live data had opgevraagd, was ook moeilijk te rijmen met zijn verwijzingen naar recente inflatie- en Mt Gox-ontwikkelingen. Het vervolgvraaggesprek kon niet vaststellen of die informatie uit een dataverzoek, eerdere context of een andere bron kwam. Voor de spraakvergelijking was de belangrijkste bevinding niet simpelweg dat Grok een fout maakte. Het was dat correcte en onjuiste financiële claims met in wezen hetzelfde conversationele zelfvertrouwen werden gebracht.

Claude's tekstmodel zocht naar bewijs, maar verzon alsnog een methode

Claude Opus 5.5's oorspronkelijke tekstsessie had een gedocumenteerd voordeel: het verrichtte vier websearches voor het antwoorden. Zijn voorspelling van $78.000 baseerde deels op bitcoin's True Market Mean, geschat op ongeveer $77.600 — een concrete marktreferentie die de spraaksessie van ChatGPT grotendeels ontbrak. Toch had het geschreven antwoord eigen problemen.

Claude gaf de timing van historische halving-cycli verkeerd weer, onderschatte bitcoin's ongeveer 54% daling van top tot bodem en liet de olieschok door de Iranoorlog weg uit zijn economische bespreking. Het blies ook het verhaal van ETF-uitstromen op, ondanks opgevraagde informatie die voor oktober een ander beeld gaf.

Onthullender was hoe het systeem zijn werkwijze beschreef. Claude sprak over "Data points I weighted most heavily" en beweerde een renteverhoging in december in zijn voorspelling te hebben verwerkt. Bij verder doorvragen gaf het echter toe dat het geen numerieke gewichten of kansen had berekend. De schatting van $78.000 was een oordeel verankerd aan een maatstaf, niet de output van een aangetoond kwantitatief model.

Het vergde drie rondes van doorvragen voordat Claude's tekstsessie gebronnen informatie voldoende scheidde van ongegronde aannames. Webopvraag leverde meer bespreekmateriaal, maar garandeerde geen degelijke analyse.

Claude's spraakmodel leverde de grootste verrassing van het experiment

De latere spraaksessie van Claude Opus 5.5 veranderde de vergelijking. De eerste voorspelling was $88.000, later herzien naar $85.000. In tegenstelling tot ChatGPT's spraaksessie, die zijn antwoord meerdere keren aanpaste, hield Claude dat herziene cijfer vast door de resterende prompts en weerstond de verleiding het alleen aan te passen voor een opvallendere voorspelling.

Belangrijker nog: Claude's spraakantwoord benoemde beperkingen eerder dan de andere sessies. Tijdens zijn tweede antwoord gaf het toe dat het geen live onchain-metrics kon ophalen en omschreef zijn voorspelling als een schatting in plaats van een berekende modeloutput. Toen gevraagd werd ongegronde informatie te identificeren, scheidde het op de eerste vraag opgevraagde cijfers, algemene kennis, berekeningen en meningen.

Dat was een betere openheid van zaken dan Claude's eigen tekstsessie, die drie rond van doorvragen nodig had om een vergelijkbaar niveau te bereiken. Het gesproken model beschreef ook correct dat historische bitcocycluspieken doorgaans 12 tot 18 maanden na halvings plaatsvinden, waarmee het een timingfout vermeed die zowel Grok's spraaksessie als Claude's oorspronkelijke tekstantwoord maakten.

Toch was Claude's spraakoptreden allerminst vlekkeloos. Het noemde olie boven $110 met een cijfer dat de review als verouderd beschouwde, overdreef voortdurende institutionele bitcoinaankopen en liet de diepere marktdaling van juni 2026 weg bij het bespreken van de huidige daling. Het toonde ook nooit een berekening die tot zijn doel van $85.000 leidde.

De verrassing was dus niet dat Claude's spraakmodel een betere financieel voorspeller werd. Het was dat de gesproken assistent in deze specifieke sessie opener was over zijn beperkingen dan zijn teksttegenhanger.

Waarom spraak- en tekst-AI niet per se hetzelfde systeem zijn

De vergelijking raakt een technisch punt waar gewone gebruikers zelden bij stilstaan: met een AI praten is niet altijd gelijk aan erin typen. OpenAI's ChatGPT-spraakervaring gebruikt een andere modelfamilie dan zijn primaire tekstervaring. Anthropic beschrijft Claude voice op zijn beurt als draaiend via de snelste versie van het geselecteerde model, waaronder ondersteunde Sonnet- en Optus-opties.

Dat verschil bemoeilijkt rechttoe rechtaan vergelijkingen. Zelfs wanneer de interface dezelfde modelnaam toont, kan de spraakervaring andere uitvoeringsinstellingen, latentiebeperkingen en spraakverwerkingscomponenten omvatten. Het experiment stelde niet onafhankelijk vast hoe die factoren de antwoorden beïnvloedden.

Grok's spraakarchitectuur werd in het rapport niet geverifieerd, waardoor een ander belangrijk deel van de technische vergelijking onopgelost blijft. Tot de drie bedrijven vergelijkbare technische details over hun spraakpipelines publiceren, zegt een productnaam alleen weinig over welke configuratie antwoordt. De sessies kunnen dus niet aantonen dat spraak-AI inherent minder nauwkeurig, meer vatbaar voor fabricatie of transparanter is dan generatieve tekst-AI. Wat ze laten zien, is dat de interface en de onderliggende configuratie ertoe doen, en dat een bekende merknaam alleen niet gelijkwaardig gedrag garandeert.

Claude bood de nuttigste vergelijking binnen één bedrijf, maar zelfs daar vonden de tekst- en spraaksessies apart plaats en vormden ze geen herhaalde, gecontroleerde proeven.

De echte test komt nadat de AI stopt met praten

Over de vier sessies varieerden de eindvoorspellingen van $78.000 tot $85.000, allemaal relatief dicht bij de heersende marktprijs van bitcoin. Geen enkele liet zien hoe de aannames vertaald werden naar het exacte gekozen cijfer.

De review identificeerde ook beperkingen in de eigen methodologie. Claude schreef zelf de beoordeling van zijn prestaties, en verschillende marktclaims werden gecontroleerd via zoekfragmenten plaats van volledige primaire bronnen. Geen onafhankelijke toollogs vastgesteld wat elke spraakassistent precies ophaalde. Die kanttekeningen zijn belangrijk, en diepere verificatie blijft aan xAI, OpenAI en Anthropic.

Dit was een verkennend experiment, geen bewijs dat het ene bedrijf of de ene interactiemodus consequent beter presteert dan het andere. Het bracht wel een belangrijk verschil bloot tussen analytisch klinken en daadwerkelijke analyse tonen. Spraakassistenten kunnen financieel commentaar leveren met het ritme en de zekerheid van een professionele omroeper. Tekstmodellen kunnen gedetailleerde uitleg samenstellen ondersteund door opgevraagde bronnen. Beide kunnen nog steeds een ongegronde conclusie, hallucinaties of ronduit leugens produceren, en beide kunnen verbeteren als ze worden aangezet om bewijs van gevolgtrekking te onderscheiden.

Claude's latere spraaksessie liet zien dat met een AI praten niet automatisch betekent dat transparantie wordt opgegeven. Tegelijk lieten ChatGPT en Grok zien waarom gepolijste gesproken antwoorden dezelfde controle verdienen als geschreven. Voor wie AI gebruikt om investeringen te beoordelen, zou de volgende test identieke prompts, gedocumenteerde dataopvraag, herhaalde sessies en onafhankelijk gecontroleerde cijfers moeten vereisen. Pas dan kunnen onderzoekers beginnen de effecten van spraakinteractie te scheiden van de redeneercapaciteiten van het onderliggende model. Wat die test mogelijk zou maken, is op papier eenvoudig: leveranciers die de details van hun spraakstacks openbaren, en gepubliceerde vergelijkingen die aan de methodologische lat van deze review voldoen.

Het meest onthullende resultaat van het experiment was niet of bitcoin 2026 zal afsluiten op $78.000, $82.000 of $85.000. Het was dat vier overtuigende optredens in spraakmodus vier sets financiële redeneringen opleverden — en niet één kon de wiskunde achter zijn uiteindelijke antwoord tonen.