Sztuczna inteligencja potrafi prowadzić rozmowę, brzmieć jak analityk finansowy i bez zająknięcia podać prognozę ceny Bitcoina. Ale czy rozmowa z AI ustnie daje tę samą jakość rozumowania co wpisanie pytania? Eksperyment udokumentowany przez Bitcoin.com News 23 października 2026 r. wystawił to pytanie na próbę, a odpowiedzi nie były bynajmniej jednoznaczne.

ChatGPT i Grok były przesłuchiwane poprzez interfejsy głosowe, natomiast Claude Opus 5.5 początkowo pracował w trybie tekstowym. Późniejsza sesja głosowa Claude Opus 5.5 dodała wymowne porównanie. Wszystkie cztery sesje podały konkretne ceny Bitcoina na koniec roku. Żadna nie wykazała odtwarzalnych obliczeń stojących za ostateczną liczbą, ale różnice w trafności faktograficznej, spójności i gotowości do przyznania się do niepewności były uderzające. Ta ostatnia różma ma praktyczne znaczenie, skoro wszystkie trzy firmy oferują obecnie interfejsy głosowe obok swoich produktów tekstowych.

Cztery sesje, trzy firmy AI i jedno pytanie o Bitcoina

W ćwiczeniu wzięły udział ChatGPT od OpenAI, Grok od xAI oraz Claude Opus 5.5 od Anthropic. Każdy z nich poproszono o przewidzenie ceny zamknięcia Bitcoina 31 grudnia 2026 r. przy użyciu pięciu promptów uwypuklających cykle historyczne, aktywność on-chain, adopcję instytucjonalną iunki gospodarcze.

23 października Bitcoin handlowany był w okolicach 81 200 USD, co dało eksperymentowi wspólny punkt odniesienia rynkowego. Sesja głosowa ChatGPT rozpoczęła się od 89 500 USD i ostatecznie ustabilizowała się na 82 000 USD. Ustna estymacja Groka przesunęła się z 88 000 do 82 000 USD. Tekstowy model Claude utrzymywał 78 000 USD we wszystkich promptach, podczas gdy jego późniejsza sesja głosowa zaczęła od 88 000 USD, po czym utrzymała 85 000 USD.

Ćwiczenie nie było kontrolowanym benchmarkiem naukowym. Różne firmy stosują różne architektury, a sesje nie miały identycznego, zweryfikowanego dostępu do bieżących informacji. Mimo to rozmowy dały wymowny wgląd w to, jak przekonująco te systemy potrafią prezentować rozumowanie finansowe i jak dobrze wytrzymuje ono weryfikację.

Głosowy ChatGPT brzmiał zajinto, ale liczby stale się zmieniały

Sesja głosowa ChatGPT dostarczyła jednego z najczytelniejszych w tym eksperymencie przykładów rozmównej płynności, wyprzedzającej udokumentowaną analizę. Jej prognoza zmieniła się z 89 500 na 86 500 USD po tym, jak Bitcoin.com News wprowadził dodatkowe czynniki analityczne. Kolejny ustny prompt nie zmienił liczby, ale późniejsze pytanie dotyczące perspektywy 18–24 miesięcy obniżyło prognozę do 82 000 USD.

Recenzja nie znalazła dowodów na pobranie świeżych danych rynkowych między tymi rewizjami. Zamiast tego zmiany następowały wraz ze zmianą sposobu formułowania pytań. Język mówiony sprawiał, że proces brzmiał poważniej, niż był w rzeczywistości. W trybie głosowym ChatGPT używał wyrażeń takich jak „pozwól, że złożę te elementy w całość” i „Sprawdzam to teraz” — zwroty, które zwykle sugerują, że ktoś konsultuje informacje. Eksperyment nie potwierdził, by jakiekolwiek takie badanie faktycznie miało miejsce. Wyglądało to na kłamstwo. To zachowanie odpowiada ograniczeniu udokumentowanemu w dużych modelach językowych ogólnie: płynne wypowiedzi mogą powstawać niezależnie od tego, czy jakiekolwiek fakty zostały rzeczywiście zweryfikowane.

Późniejsza tekstowa rozmowa z ChatGPT przyniosła bardziej sceptyczną ocenę wcześniejszej wymiany głosowej, w tym przyznanie: „Potraktowałem wiarygodność jako dowód”. To rozróżnienie ma znaczenie, ponieważ doświadczenia głosowe i tekstowe ChatGPT mogą korzystać z różnych modeli bazowych. Późniejsze wyjaśnienie asystenta tekstowego nie może samo w sobie przesądzić, co dokładnie zrobił system głosowy.

Ta sytuacja pokazała, jak łatwo naturalnie brzmiąca rozmowa może tworzyć wrażenie pracy badawczej, nawet gdy uzyskana odpowiedź daje mało dowodów na jej istnienie.

Głosowy Grok podał szczegóły, ale pomylił kluczową liczbę

Ustne odpowiedzi Groka brzmiały na staranniej zbadane — podawał dane o historycznych spadkach Bitcoina, inflacji, aktywności instytucjonalnej niedawnym opóźnieniu spłat Mt Gox. Większość tych informacji zgadzała się z faktami i źródłami. Potem przyszła poważna pomyłka.

Według doniesień Grok przypisał około 90% prawdopodobieństwa podwyżce stóp procentowych przez Fed na posiedzeniu 27–28 października. Referencje rynkowe recenzji umieszczały te szanse na poziomie około 6–18%, w zależności od źródła i daty obserwacji. Różnica była znaczna: mało prawdopodobna podwyżka stóp została przedstawiona jako niemal pewność, najwyraźniej zaczerpnięta ze starszego punktu odniesienia. Nieaktualne dane to uznany tryb awarii systemów AI: liczby, które były poprawne w jakimś wcześniejszym momencie, mogą utrzymywać się w wypowiedziach modelu i być przedstawiane jako aktualne.

Inne problemy obejmowały nieaktualny cel Bitcoina 150 000 USD od Bernstein oraz nieprawidłowy opis tego, gdzie prognozowany przedział cen Fidelity mieścił się względem rynku. Grok ostatecznie skorygował swoje prawdopodobieństwa stóp, ale dopiero po zakwestionowaniu.

Jego późniejsze twierdzenie, że nie pobierał danych na żywo, trudno też pogodzić z odniesieniami do niedawnych danych o inflacji i wydarzeń Mt Gox. Kolejne pytania nie ustaliły, czy te informacje pochodziły z pobrania danych, wcześniejszego kontekstu czy innego źródła. Dla porównania głosowego istotne nie było to, że Grok popełnił błąd, lecz to, że poprawne i niepoprawne twierdzenia finansowe padły z zasadniczo tą samą rozmówną pewnością siebie.

Tekstowy Claude szukał dowodów, ale nadal wymyślił metodę

Pierwotna sesja tekstowa Claude Opus 5.5 miała udokumentowaną przewagę: wykonał cztery wyszukiwania w sieci przed udzieleniem odpowiedzi. Jego prognoza 78 000 USD opierała się częściowo na True Market Mean Bitcoina, szacowanym blisko 77 600 USD — konkretnym punkcie odniesienia, którego sesja głosowa ChatGPT zasadniczo nie miała. Mimo to odpowiedź pisemna miała własne problemy.

Claude błędnie podał chronologię historycznych cykli halvingowych, zaniżył około 54-procentowy spadek Bitcoina od szczytu do dołka i pominął szok naftowy wojny w Iranie w swojej dyskusji gospodarczej. Skłaniał się też ku narracji o odpływach z funduszy ETF, mimo że pobrane informacje wskazywały inny obraz października.

Bardziej wymowne było to, jak system opisywał swoją pracę. Claude mówił o „punktach danych, którym nadałem największe wagi” i twierdził, że uwzględnił w prognozie grudniową podwyżkę stóp. Przy dalszych pytaniach przyznał jednak, że nie obliczył żadnych liczbowych wag ani prawdopodobieństw.acunek 78 000 USD był oceną zakotwiczoną w miarze rynkowej, a nie wynikiem udokumentowanego modelu ilościowego.

Potrzeba było trzech rund pytań, zanim sesja tekstowa Claude dostatecznie oddzieliła informacje źródłowe od nieuzasadnionych założeń. Pobieranie danych z sieci dało więcej materiału do dyskusji, ale nie zagwarantowało rzetelnej analizy.

Głosowy Claude przyniósł największą niespodziankę eksperymentu

Późniejsza sesja głosowa Claude Opus 5.5 zmieniła porównanie. Początkowa prognoza wynosiła 88 000 USD, później skorygowaną do 85 000 USD. W przeciwieństwie do sesji głosowej ChatGPT, która wielokrotnie zmieniała odpowiedź, Claude utrzymał skorygowaną liczbę w pozostałych promptach i oparł się dostosowaniu jej jedynie po to, by prognoza była bardziej chwytliwa.

Co ważniejsze, głosowa odpowiedź Claude wcześniej niż pozostałe sesje sama zgłosiła swoje ograniczenia. Już w drugiej odpowiedzi przyznał, że nie może pobrać bieżących metryk on-chain, i opisał swoją prognozę jako estymację, a nie wynik obliczeń modelu. Gdy poproszono go o wskazanie nieuzasadnionych informacji, już przy pierwszej prośbie oddzielił liczby z pobranych danych, wiedzę ogólną, obliczenia i opinie.

To była lepsza dyspensja od samej sesji tekstowej Claude, która potrzebowała trzech rund pytań, by osiągnąć porównywalny poziom szczerości. Głosowy model poprawnie opisał też historyczne szczyty cykli Bitcoina jako występujące generalnie 12–18 miesięcy po halvingach, unikając błędu chronologii popełnionego zarówno przez głosową sesję Groka, jak i pierwotną odpowiedź tekstową Claude.

Niemniej występ głosowy Claude był daleki od bezbłędnego. Powołał się na ropę powyżej 110 USD, używając liczby uznanej przez recenzję za nieaktualną, zawyżył trwające zakupy Bitcoina przez instytucje i pominął głębszy spadek rynku z czerwca 2026 r., omawiając bieżące korekty. Nigdy też nie pokazał obliczeń prowadzących do celu 85 000 USD.

Niespodzianką nie było zatem to, że głosowy model Claude stał się lepszym prognozistą finansowym, lecz to, że w tej konkretnej sesji asystent głosowy był bardziej otwarty co do swoich ograniczeń niż jego tekstowy odpowiednik.

Dlaczego AI głosowe i tekstowe to niekoniecznie ten sam system

Porównanie rodzi kwestię techniczną, którą casualowi użytkownicy mogą nigdy nie rozważyć: rozmowa z AI głosem nie zawsze równa się wpisywaniu pytania. Doświadczenie głosowe ChatGPT od OpenAI korzysta z osobnej rodziny modeli niż główne doświadczenie tekstowe. Anthropic z kolei opisuje głos Claude jako działający przez najszybszą wersję wybranego modelu, w tym obsługiwane opcje Sonnet i Opus.

Ta różnica komplikuje proste porównania. Nawet gdy interfejs pokazuje tę samą nazwę modelu, doświadczenie głosowe może obejmować inne ustawienia wykonania, ograniczenia opóźnień i komponenty przetwarzania mowy. Eksperyment nie ustalił samodzielnie, jak te czynniki wpłynęły na odpowiedzi.

Architektura głosowa Groka nie została zweryfikowana w raporcie, co pozostawia kolejny ważny element porównania technicznego nierozstrzygnięt. Dopóki trzy firmy nie opublikują porównywalnych szczegółów technicznych swoich ścieżek głosowych, sama nazwa produktu niewiele mówi użytkownikowi o tym, która konfiguracja odpowiada. Sesje nie mogą zatem przesądzić, że AI głosowe jest z natury mniej trafne, bardziej podatne na zmyślanie lub bardziej przejrzyste niż generatywne AI tekstowe. Pokazują one, że interfejs i konfiguracja bazowa mają znaczenie, a sama znajoma nazwa marki nie gwarantuje równoważnego zachowania.

Claude dostarczył najbardziej użyteczne porównanie wewnątrz jednej firmy, ale nawet tam sesje tekstowe i głosowe odbyły się osobno i nie stanowiły powtarzalnych, kontrolowanych prób.

Prawdziwy test przychodzi, gdy AI przestaje mówić

We wszystkich czterech sesjach końcowe prognozy mieściły się w przedziale od 78 000 do 85 000 USD, wszystkie stosunkowo blisko panującej ceny rynkowej Bitcoina. Żadna nie wykazała, jak jej założenia przełożyły się na dokładnie wybraną liczbę.

Recenzja wskazała też ograniczenia własnej metodologii. Ocena występu Claude została napisana przez samego Claude, a kilka twierdzeń rynkowych sprawdzono na podstawie wycinków z wyszukiwarki, a nie pełnych źródeł pierwotnych. Żadne niezależne logi narzędzi nie ustaliły precyzyjnie, co każdy asystent głosowy pobrał. Te zastrzeżenia mają znaczenie, a głębsza weryfikacja pozostaje w gestii xAI, OpenAI i Anthropic.

To był eksperyment rozpoznawczy, a nie dowód, że jedna firma lub tryb interakcji konsekwentnie przewyższa inne. Ujawnił jednak istotną różnicę między brzmieniem analitycznym a pokazaniem faktycznej analizy. Asystenci głosowi potrafią wygłaszać komentarze finansowe z rytmem i pewnością siebie zawodowego prezentera. Modele tekstowe potrafią składać szczegółowe wyjaśnienia poparte pobranymi źródłami. Każdy z nich może i tak wyprodukować nieuzasadniony wniosek, halucynacje lub wprost kłamstwa, a każdy może się poprawić, gdy zostanie zmuszony do oddzielenia dowodów od wnioskowania.

Późniejsza sesja głosowa Claude pokazała, że rozmowa z AI nie oznacza automatycznie poświęcenia przejrzystości. Jednocześnie ChatGPT i Grok pokazali, dlaczego dopracowane odpowiedzi ustne zasługują na taką samą weryfikację jak pisemne. Dla każdego, kto używa AI do oceny inwestycji, kolejny test powinien wymagać identycznych promptów, udokumentowanej aktywności pobierania danych, powtarzalnych sesji i niezależnie sprawdzonych liczb. Dopiero wtedy badacze mogą zacząć oddzielać efekty interakcji głosowej od zdolności rozumowania bazowego modelu. Co pozwoliłoby na taki test, jest na papierze proste: dostawcy ujawniający szczegóły swoich ścieżek głosowych oraz publikowane porównania spełniające barierę metodologiczną opisaną w tej recenzji.

Najbardziej wymownym wynikiem eksperymentu nie było to, czy Bitcoin zakończy 2026 r. na 78 000, 82 000 czy 85 000 USD. Chodziło o to, że cztery przekonujące występy w trybie głosowym wygenerowały cztery zestawy rozumowania finansowego — i żaden nie potrafił pokazać matematyki stojącej za ostateczną odpowiedzią.