Cómo funciona
Una guía de punta a punta: cómo nace un mercado, cómo se apuesta, cómo lo resuelve la IA sola y cómo cobrás. También cuándo la IA decide no resolver y por qué eso te protege.
El ciclo de vida de un mercado
1. Crear
Alguien define una pregunta binaria (Sí/No), el prompt con el que la IA va a resolver, y las dos fechas. El mercado queda on-chain.
2. Apostar
Comprás y vendés acciones de Sí o No contra un creador de mercado automático tipo LMSR. El precio se mueve solo según la demanda; no hace falta una contraparte.
3. Cierra el trading (fundingDeadline)
Al llegar el fundingDeadline se cierra la compra y venta. Nadie puede tradear más en ese mercado. Esto pasa ANTES de que la IA resuelva.
4. Resuelve la IA (resolutionDeadline)
A partir del resolutionDeadline, el oráculo de IA busca, razona y decide el resultado solo, y lo escribe on-chain. No hay co-firma humana.
5. Cobrar (redeemPayout)
Si tenías la acción ganadora, llamás a redeemPayout y recibís 1 USDC por acción ganadora (menos el fee de cobro). Las acciones perdedoras valen cero.
Las dos fechas y por qué son distintas
fundingDeadline es cuándo se cierra la compra y venta. Después de esa fecha el mercado ya no acepta más trades.
resolutionDeadline es cuándo la IA puede resolver. Siempre ocurre DESPUÉS del fundingDeadline (el contrato lo exige al crear el mercado).
La ventana entre ambas fechas es a propósito: el trading ya está cerrado cuando la IA decide, así nadie puede ver venir el resultado y apostar sobre seguro en el último segundo (protección anti front-running, referencia interna SF-013).
Transparencia: la IA resuelve sola (ADR-0016)
Un único modelo conocido resuelve cada mercado: Claude Sonnet 4.6 con búsqueda web nativa (web_search). Busca fuentes, razona y decide; no es una caja negra distinta cada vez.
Cada resolución deja un recibo público en IPFS: el prompt usado, las fuentes citadas, el razonamiento y la decisión. El identificador del modelo (modelId) queda anclado on-chain.
La confianza no viene de un humano que aprueba: viene de la reproducibilidad. Con el mismo prompt, modelo y fuentes, podés rehacer el razonamiento y verificar la decisión vos mismo.
No hay co-firma humana. La IA resuelve sola; la transparencia y la reproducibilidad son la red de seguridad.
Las comisiones (ADR-0014)
| Acción | Comisión |
|---|---|
| Comprar | 0% |
| Vender | 1% |
| Cobrar (redeemPayout) | 1% |
Comprar es gratis. Vender cobra 1% sobre el reembolso, y cobrar el premio cobra 1% sobre el pago. Toda la comisión va al tesoro (treasury) del protocolo.
Cuándo la IA no resuelve
A veces la IA decide no resolver: prefiere abstenerse antes que arriesgar un resultado equivocado. La abstención es el lado seguro: el mercado no se cierra mal y tu plata sigue siendo recuperable vendiendo tu posición. Estos son los códigos exactos que verás en el registro.
Casos de abstención
ABSTAIN_INSUFFICIENTNo hay suficientes fuentes independientes (menos de 3 dominios distintos) para sostener una decisión con confianza.
ABSTAIN_TOO_EARLYEl evento todavía no ocurrió, o ninguna fuente tiene fecha posterior al cierre, así que no se puede confirmar que ya pasó.
ABSTAIN_AMBIGUOUSEl prompt de resolución es ambiguo o la confianza queda baja. Hay un segundo intento forzado que obliga a elegir, pero si aún así sigue ambiguo, la IA se abstiene.
ABSTAIN_BUDGETSe alcanzó el tope de costo del mercado o del día. La IA frena y reintenta más tarde en vez de seguir gastando.
Cómo puede fallar el supervisor
El supervisor (overseer) que valida cada decisión no es perfecto. Hay dos tipos de error:
- Falsos ABSTAIN: es demasiado cauteloso y no resuelve algo que en realidad era decidible. Molesta, pero no te hace perder plata: podés vender tu posición.
- Falsos RESOLVED: resuelve mal por algo que lo engañó. Las causas típicas son inyección de prompt (texto en una página que intenta dar órdenes a la IA), envenenamiento SEO o fuentes falsificadas, y citas alucinadas (fuentes que no dicen lo que la IA cree).
El supervisor valida la cantidad, la diversidad y la fecha de las fuentes; NO verifica que cada fuente diga la verdad. Y la dificultad depende del tema: como referencia de la industria, un estudio de Chainlink Labs (2025) sobre 1.660 mercados de Polymarket midió ~99,7% de acierto en deportes frente a ~84% en política — pero con un modelo de IA distinto al nuestro, así que es un orden de magnitud orientativo, no una medición de nuestro propio oráculo.
Por eso la salvaguarda principal ante un error de la IA es el tope de exposición por mercado (exposureCap): su finalidad es acotar cuánto puede costar un error. Su eficacia depende del tope configurado (hoy deshabilitado en testnet).
Preferimos no resolver a resolver mal.