新智元報道

編輯：傾傾 KingHZ

AI國際象棋對抗？這次玩真的！谷歌Kaggle推出首屆全球AI象棋爭霸賽，八款頂級語言模型正面對抗，勝負只在一步之間！

國際象棋全球AI爭霸賽來了！

首戰即放狠招：讓全球八款最強語言模型，國際象棋正面對抗：

閉源的大模型：Gemini 2.5 Pro、OpenAI o4-mini、Grok 4、OpenAI o3、Claude 4 Opus、Gemini 2.5 Flash；

開源的大模型：DeepSeek R1和Kimi K2 Instruct。

首戰落幕

今日凌晨1點，這場大賽正式打響了8進4淘汰戰：

Gemini 2.5 Pro、o4-mini、Grok 4、和o3，以4-0的碾壓式戰績橫掃對手，進入半決賽。

而Claude 4 Opus、DeepSeek R1、Gemini 2.5 Flash和Kimi K2沒能撐過中盤，就已紛紛崩潰退場。

第二天的半決賽，OpenAI的o3-mini和o3將「自相殘殺」，而Gemini 2.5 Pro和Grok 4則狹路相逢

整場賽事由谷歌旗下的Kaggle舉辦。為此，他們專為通用大模型打造了競技平臺——「Game Arena」。

谷歌表示游戲是評估模型與智能體的理想平臺，是通用智能可靠的衡量標準。游戲作為基準測試的價值更體現在：

無限擴展性：對手越強，難度階梯式攀升；

思維可視化：可完整追蹤模型的「決策鏈」，窺見其戰略思維過程。

對AI來說，下好一盤棋，比你想象的更難。

比賽共有3場，首賽中DeepSeek R1對陣o4-mini，Kimi-K2對陣o3。

半決賽將在明天太平洋時間上午10:30舉行。

下面，一起回顧一下首場戰況吧。

Kimi K2犯規出局

o3不戰而勝順利晉級

四局比賽，Kimi K2每一局都因非法走子被系統判負，最短的對局甚至不到8個回合。

對局開始還能跟著開局理論下幾步，但一旦脫離熟悉的套路，Kimi K2就像突然「失明」一般，誤讀棋盤布局，走出錯誤的棋子。

面對這樣的對手，o3不費吹灰之力，輕松晉級半決賽。

DeepSeek R1中盤掉線

o4-mini輕松將死兩局

這是一場「開局唬人，中間崩盤」的比賽。

如果你只看每盤棋的前幾回合，你會發現，在開局兩個模型都走得無懈可擊，仿佛兩個國際象棋大師在對弈。

但到了某一節點，棋局的質量就會急轉直下。

一旦脫離「開局模板」，DeepSeek就開始頻頻出錯：瞄準不存在的棋子、防守并無威脅的空格，甚至走出將自己逼入死角的「自爆式操作」。

相比之下，o4-mini雖然不夠驚艷，但是穩扎穩打、不犯大錯，還順利完成了兩次將殺收尾，贏得理所當然。

Claude 4 Opus血戰到底

仍不敵Gemini 2.5 Pro

如果說Kimi K2的比賽是「自動退出」，那Claude 4 Opus的落敗，則是拼盡全力后的潰敗。

在第一局，雙方在前九個回合都走得有板有眼，直到Claude 4 Opus貿然下出10...g5，主動敞開防線，為Gemini送上突破口。

在第四局還出現了一個讓人哭笑不得的場面：Gemini 2.5 Pro手握兩只皇后，總子力優勢高達32分，本該將Claude「一波帶走」，結果他卻在進攻過程中掛掉幾枚關鍵棋子。

盡管如此，勝利還是屬于Gemini。

而這場對局，也是四場比賽中最接近真正象棋對抗的一場。

Gork 4殺瘋了

精準打擊，專挑軟肋

前三場像是在訓練模式，Gork 4一登場，比賽才終于像個「戰場」

面對Gemini 2.5 Flash的頻繁錯漏和無人防守的棋子，Gork 4精準識破、果斷出擊。

它不是在「模仿下棋」，而是真的能看懂弱點、消滅威脅，最終以4-0終結比賽。

Gork的「四連超凡」不僅打出了目前最有「棋感」的對局，還被不少業內人士評為開賽以來全場最佳表現。

馬斯克在X上轉發了Gork的戰績，只留下一句簡單的回應：

訂單這只是副作用。xAI幾乎沒在國際象棋上花什么精力。

沒有炫耀，沒有過度評價，只是隨手轉發，仿佛這場勝利只是系統順手完成的一次功能調用。

但在這場模型犯錯頻繁、認知失誤頻出的混戰中，Gork 4是少數能「看清棋局并穩定走完」的存在。

從棋盤到智力測試

比賽只是表面，挑戰才剛開始。

這場比賽的意義，從來不只是看誰贏了、誰走了更漂亮的一步棋。

它考驗的不是棋藝，而是AI的整體理解能力。

游戲為強大的人工智能評估提供了絕佳的基礎，幫助我們了解在復雜推理任務中哪些方法真正有效。

游戲能提供明確無誤的成功信號：不是贏就是輸，或者平局。

它們結構清晰且結果可衡量，是評估模型的理想試驗場。游戲迫使模型展現出多種技能，包括策略推理、長期規劃以及面對智能對手時的動態適應能力，從而為衡量其通用問題解決智能提供了一個可靠的依據。

就在上個月，世界冠軍卡爾森在旅行中途虐了ChatGPT一局，一子未損。賽后他輕描淡寫道「我有時旅途中會無聊」。

AI甚至沒意識到對面是誰——這比輸棋更值得警惕。

Kaggle官方也透露，真正的評分標準，其實藏在「幕后數百場未公開對局」的排行榜里。

眼下這場棋，不過是一塊測試通用智能的開局小盤。

參考資料：

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

https://x.com/dotey/status/1952883220149657849

https://blog.google/technology/ai/kaggle-game-arena/

https://www.kaggle.com/blog/introducing-game-arena