Which Millennium Prize Problem will AI solve next?

Laut den neuesten Prognosemarktdaten zur Frage „Which Millennium Prize Problem will AI solve next?“ haben die Händler einen starken Konsens gebildet.

Derzeit dominiert Hodge Conjecture den Markt mit einer überwältigenden Gewinnwahrscheinlichkeit von 41,5%. Birch and Swinnerton-Dyer folgt auf dem zweiten Platz mit 20,5%, während Yang-Mills mit 15,5% auf dem dritten Platz liegt. Das Wettvolumen dieses Marktes hat bereits $71,9K erreicht, was auf großes Interesse hindeutet.

Um besser einzuschätzen, wo jedes mögliche Ergebnis steht, lässt sich der Markt anhand der impliziten Wahrscheinlichkeit und der Kontraktpreise in drei Handelsstufen unterteilen:

🥇 Stufe 1: Der dominante Spitzenreiter

• Hodge Conjecture (41,5%): Mit der höchsten Wahrscheinlichkeit wird Hodge Conjecture vom Orderbuch stark favorisiert. Wer auf dieses Ergebnis setzen will, sieht sich einem „Buy Yes“-Kontraktpreis von 42¢ gegenüber – ein Zeichen hoher Marktüberzeugung. Allein dieser Kontrakt hat $24.2K Volumen erzeugt.

🥈 Stufe 2: Die wichtigsten Herausforderer

• Birch and Swinnerton-Dyer (20,5%): Als tragfähigste Alternative hält Birch and Swinnerton-Dyer eine Wahrscheinlichkeit von 20,5%, einzutreten. Seine „Buy Yes“-Anteile werden derzeit zu 21¢ gehandelt.
• Yang-Mills (15,5%): Auf dem dritten Platz mit 15,5% Wahrscheinlichkeit zeigt der Markt eine maßvolle Skepsis gegenüber Yang-Mills und behandelt es als Außenseiter, sofern sich die Dynamik nicht ändert.

🥉 Stufe 3: Die Long-Tail-Optionen (zusammen ~22,5%)

Über die Top-3 hinaus wird ein breites Feld an Makrovariablen und Außenseiter-Ergebnissen verfolgt. Auch wenn ihre Einzelwahrscheinlichkeiten niedrig sind, bilden sie wichtige Absicherungen für spekulative Händler:

• Alternative Optionen: Dazu gehören No solution by Dec 31, 2027 (13,5%), Riemann Hypothesis (4,1%) und P versus NP (1%).
• Spekulatives Volumen: Trotz geringer statistischer Wahrscheinlichkeit ziehen bestimmte Long-Tail-Kontrakte wie No solution by Dec 31, 2027 weiterhin nennenswertes Interesse an.

This market will resolve according to the first qualifying Millennium Prize Problem for which an eligible AI lab announces a solution by December 31, 2027, 11:59 PM ET.

If no eligible AI lab announces a solution to a qualifying problem by December 31, 2027, 11:59 PM ET, this market will resolve to "No solution by Dec 31, 2027". If solutions to two or more qualifying problems are announced on the same calendar day (ET), this market will resolve to the problem whose name, as listed below, comes first in alphabetical order.

The qualifying problems are, in alphabetical order, the Birch and Swinnerton-Dyer Conjecture, the Hodge Conjecture, P versus NP, the Riemann Hypothesis, and the Yang-Mills existence and mass gap problem (https://www.claymath.org/millennium-problems/). Announcements concerning the Navier-Stokes existence and smoothness problem will not qualify.

A qualifying announcement must be made by an eligible AI lab or an official representative of the lab, and must express that the problem has been solved; announcements of partial results or progress toward a solution will not qualify. The announcement must present the solution as the work of the lab, its researchers, or its models, alone or jointly with outside researchers. An announcement that only credits or congratulates outside researchers, including researchers who used the lab's models, compute, or research credits, will not qualify. No further confirmation from Clay Math Institute or any other organization is required.

The eligible AI labs are Anthropic, Google, SpaceXAI, Alibaba, OpenAI, Baidu, Z.ai, Xiaomi, Moonshot, Meta, Nvidia, DeepSeek, MiniMax, Meituan, Amazon, ByteDance, Mistral, Tencent, StepFun, Microsoft, Harmonic, Axiom Math, Math Inc, Safe Superintelligence, Thinking Machines Lab, Reflection AI, Periodic Labs, Apple, IBM, Huawei, Samsung, Oracle, Salesforce, Cohere, AI21 Labs, Reka, Sakana AI, Poolside, Magic, Perplexity, Anysphere, Kuaishou, SenseTime, iFlytek, Baichuan, and 01.AI, together with their subsidiaries and research divisions, and any other company with a model listed on the MMLU-pro leaderboard (https://huggingface.co/spaces/TIGER-Lab/MMLU-Pro) at the time of the announcement. Announcements by any other company, organization, or individual will not qualify.

The primary resolution source for this market will be official information from the eligible AI labs and/or their official representatives; however, a consensus of credible reporting may also be used.

Während menschlicher Konsens und spekulatives Volumen den breiteren Prognosemarkt prägen, bieten unsere quantitativen Algorithmen eine datengetriebene Gegenperspektive. Durch Analyse fundamentaler Signale, zugrunde liegender Trends und historischer Verteilungen berechnet unser KI-Bewertungsmodell für jedes Ergebnis eine unabhängige „Fair-Value“-Wahrscheinlichkeit.

Der Vergleich dieses Fair Value mit dem aktuellen Marktwert deckt große Abweichungen auf – die sogenannte Erwartungswert-(EV-)Lücke. Kontrakte mit positiver EV-Lücke sind statistisch unterbewertete Ergebnisse, während eine negative EV-Lücke auf eine mögliche Marktüberreaktion hinweist.

Top-KI-Alpha & fehlbepreiste Arbitrage-Chancen

Auf Basis des jüngsten Datenmodell-Laufs fallen mehrere Schlüsselkontrakte mit deutlichen Abweichungen auf:

• Das am stärksten überbewertete Ergebnis: Yang-Mills wird derzeit zu 15,5% gehandelt, doch unsere KI setzt den Fair Value bei nur 1,2% an. Das erzeugt eine große negative EV-Lücke von -14,3% und deutet darauf hin, dass die Masse dieses Ergebnis überbewertet.
• Der beste Value-Play (höchster EV): Unser Modell identifiziert Riemann Hypothesis als die attraktivste Value-Chance auf dem Board. Während der Markt ihm nur eine Handelswahrscheinlichkeit von 4,1% zuweist, liegt die Fair-Value-Einschätzung unserer KI bei 44,9% – eine beeindruckende EV-Lücke von +40,8%.
• Unbeachtete Außenseiter: Weitere bemerkenswerte Abweichungen sind P versus NP (EV-Lücke: +32,4%) und No solution by Dec 31, 2027 (EV-Lücke: +18%). Diese Long-Tail-Chancen werden von den Orderbüchern trotz stärkerer statistischer Untermauerung deutlich abgewertet.