機(jī)器之心報道

機(jī)器之心編輯部

從目前戰(zhàn)況來看，Grok 4 是奪冠熱門。

在玩游戲方面，到底哪個模型最厲害？為了回答這個問題，谷歌近日發(fā)起了首屆大模型國際象棋對抗賽。

這場比賽為期三天，參賽選手包括：

o4-mini（OpenAI）DeepSeek-R1（DeepSeek）Kimi K2 Instruct（月之暗面）o3（OpenAI）Gemini 2.5 Pro（谷歌）Claude Opus 4（Anthropic）Grok 4（xAI）Gemini 2.5 Flash（谷歌）

剛剛，我們拿到了第一輪比賽的結(jié)果：Gemini 2.5 Pro、o4-mini、Grok 4 和 o3 均以 4-0 的戰(zhàn)績分別擊敗 Claude 4 Opus、DeepSeek R1、Gemini 2.5 Flash 和 Kimi k2，晉級半決賽。

以下是模型對陣圖。

這個比賽是在一個名叫「Kaggle Game Arena」的平臺上進(jìn)行的。這是 Kaggle 公司的一個新項目，旨在跳出平時的基準(zhǔn)測試框架，探索像 Gemini、DeepSeek 等 LLM 在動態(tài)和競爭環(huán)境中表現(xiàn)如何。

在昨天的報道中，我們詳細(xì)描述了這場比賽的規(guī)則，比如不允許模型調(diào)用 Stockfish 等國際象棋引擎。（詳情請參見《谷歌約戰(zhàn)，DeepSeek、Kimi 都要上，首屆大模型對抗賽明天開戰(zhàn)》）

以下是對戰(zhàn)的詳細(xì)信息：

Kimi k2 對陣 o3：0-4

Kimi k2 與 o3 的對局較早結(jié)束，四局比賽都在八步棋內(nèi)完成。由于 Kimi k2 連續(xù)四次未能找到合法著法而被判負(fù)，o3 獲得了全勝。

不過需要說明的是，與 o3 對戰(zhàn)的 Kimi K2 Instruct 為非推理模型，打不過 o3 也在預(yù)料之中。

雖然 Kimi k2 未能獲勝，但這場比賽也為我們提供了有價值的觀察。從 Kimi k2 的走棋注釋來看，它在開局階段能夠遵循棋譜理論行棋。然而，一旦脫離了熟悉的開局理論，技術(shù)問題就開始顯現(xiàn) —— 而對 Kimi k2 來說，這個轉(zhuǎn)折點來得較早。

Kimi k2 遇到困難的具體原因還需要進(jìn)一步分析。在某些時候，它能清楚看到棋子的位置，卻似乎忘記了棋子的走法。

在這一次對局中，Kimi k2 完整識別了棋盤局勢，卻依然無法給出合法著法，似乎對棋子的走法規(guī)則出現(xiàn)了記憶混亂。

在其他對局中，它在局面識別上也存在一些技術(shù)問題。

憑借這場勝利，o3 順利晉級半決賽，與 o4 mini 對戰(zhàn)。

DeepSeek R1 對陣 o4-mini：0-4

OpenAI 的 o4-mini 與 DeepSeek R1 之間的對局呈現(xiàn)出了獨特的特點。如果單獨觀察每局比賽的前幾步棋，你可能會以為這是兩位高手在過招。然而對局進(jìn)行到某個階段后，棋局質(zhì)量就會突然斷崖式下跌。

這一現(xiàn)象在整場比賽中反復(fù)出現(xiàn)：幾步不錯的開局之后，會出現(xiàn)判斷偏差和一系列失誤。

盡管如此，o4-mini 在這場比賽中成功實現(xiàn)了兩次將軍 —— 這是一個值得注意的成就，考慮到對 AI 系統(tǒng)來說，準(zhǔn)確把握整個棋盤狀態(tài)本身就具有相當(dāng)?shù)奶魬?zhàn)性。

Gemini 2.5 Pro 對陣 Claude 4 Opus：4-0

Gemini 2.5 Pro 與 Claude 4 Opus 的對局是本次比賽中唯一一個通過「將殺」獲勝的場次多于因違規(guī)行棋告負(fù)的場次的比賽。不過，目前尚不清楚 Gemini 2.5 Pro 的真實棋力究竟如何，也不確定其勝利在多大程度上得益于 Claude 4 Opus 的失誤表現(xiàn)。

這場比賽第四局出現(xiàn)了一個耐人尋味的局面：Gemini 2.5 Pro 當(dāng)時擁有 32 分的子力優(yōu)勢，棋盤上甚至有兩個后。然而盡管火力全開，它在完成將殺的過程中仍然出現(xiàn)了送子的情況。

但更值得分析的是本場比賽的第一局。前九個回合，雙方 AI 都表現(xiàn)穩(wěn)健，著法精妙。然而就在此時，執(zhí)黑的 Claude 4 Opus 做出了一個草率的決定，走 10...g5。這步棋不僅白送一兵，還徹底破壞了己方王城的安全，直接加速了敗局的到來。從雙方 AI 的賽后評注中，我們可以看出一些端倪：

Grok 4 對陣 Gemini 2.5 Flash：4-0

今日表現(xiàn)最為亮眼的當(dāng)屬 Grok 4。除了以全勝戰(zhàn)績收獲 4 分外，其棋藝水平也堪稱目前最佳。雖然對手 Gemini 2.5 Flash 多次失誤送子確實降低了比賽難度，但與其他 AI 不同的是，Grok 4 展現(xiàn)出了精準(zhǔn)捕捉無保護(hù)棋子的能力，并能果斷實施打擊。

Grok 4 的出色表現(xiàn)甚至引起了科技界的關(guān)注，其創(chuàng)始人埃隆?馬斯克在 X 平臺簡短互動時，再次提及他那個著名觀點 ——「國際象棋太過簡單」。

截至目前，大語言模型在象棋對弈中暴露出三大關(guān)鍵短板：全局棋盤視覺化能力不足、棋子間互動關(guān)系理解有限，以及由此引發(fā)的合法著法執(zhí)行問題。而 Grok 4 的出色表現(xiàn)證明，它似乎成功突破了這些限制。

這些 AI 模型的優(yōu)勢與缺陷能否在后續(xù)賽事中保持穩(wěn)定？我們還要看明天的半決賽成績。

文章中提及的棋局在線上國際象棋對弈網(wǎng)站 chess.com 中均有詳細(xì)描述，感興趣的讀者可以參見以下鏈接：https://www.chess.com/news/view/kaggle-game-arena-chess-2025-day-1

國際象棋大師 Levy Rozman 也在最新錄制的視頻中對這場比賽進(jìn)行了講解。

視頻鏈接:https://mp.weixin.qq.com/s/v3hCTuI6-0IdVSY0kcrHCw

我們曾在昨天的報道中發(fā)起了一個投票，目前已有近 4000 位讀者參與。從目前的數(shù)據(jù)看，大家此前最看好的是 Gemini 2.5 Pro—— 贏得了超過 37% 的票數(shù)。

現(xiàn)在，第一天的比賽結(jié)果已經(jīng)出爐，我們也稍微了解了各個模型的表現(xiàn)，不知道大家的想法有無變化呢？

參考鏈接：https://www.chess.com/news/view/kaggle-game-arena-chess-2025-day-1