最新戰(zhàn)報最新戰(zhàn)報：首屆AI國際象棋對戰(zhàn)……馬斯克家的Grok 4“遙遙領(lǐng)先”了。

是的，谷歌給大模型整了個國際象棋比賽：Kaggle AI象棋競賽。

在首日對決之后，參賽選手中OpenAI的o3和o4-mini、DeepSeek R1、Kimi K2 Instruct、Gemini 2.5 Pro和2.5 Flash、Claude Opus 4、Grok 4都有了第一輪較量，結(jié)果——

Grok 4表現(xiàn)最佳，DeepSeek R1表現(xiàn)強勁，但不敵o4-mini，Kimi K2最慘——都讓網(wǎng)友喊冤了。

眼見自家Grok 4表現(xiàn)出色，馬斯克當然不會錯過PR良機，不過回應(yīng)略顯凡爾賽：

我們沒有刻意去訓練，這只是一個副作用。

u1s1誰又能為這么個“無厘頭”比賽專門刻意訓練呢？

當然，讓AI對戰(zhàn)國際象棋，過程比輸贏重要多了，畢竟谷歌發(fā)起這次比賽的初衷，就是測試“涌現(xiàn)”能力。

首屆Kaggle AI國際象棋競賽

本次比賽由谷歌發(fā)布，作為推廣Kaggle游戲競技場的一個環(huán)節(jié)。首次比賽以國際象棋開始。

參賽“選手”包括OpenAI的o3和o4-mini、DeepSeek R1、Kimi K2 Instruct、Gemini 2.5 Pro和2.5 Flash、Claude Opus 4、Grok 4。

8月5日至8月7日每天10：30（太平洋時間）準時直播賽況。

除了各個頂級模型的象棋對決，直播還邀請了國際象棋特技大師中村光（Hikaru Nakamura）作為講解。

他于7歲那年開始學習國際象棋，到15歲時成為全美國際象棋冠軍并拿到GM頭銜，也是本屆EWC國際象棋（迄今為止規(guī)模最大的國際象棋錦標賽）的季軍。

在一天的角逐后，目前挺入半決賽圈的是Gemini 2.5 Pro、Grok 4、ChatGPT的o4-mini和o3。

吃瓜群眾坐等看ChatGPT的o4-mini和o3的“內(nèi)斗”，以及Gemini 2.5 Pro對戰(zhàn)Grok 4。

并且，所有在八分之一決賽中的比賽都以完美的4-0結(jié)束。實力差距非常明顯。

網(wǎng)友們分析了這次賽況，表示Grok 4在這次基準測試中“在戰(zhàn)術(shù)策略和速度上超越了所有其他模型”。

可是等等，現(xiàn)在不是才八進四么？這么快就下結(jié)論了？

讓我們一起看看各模型的具體表現(xiàn)，是什么讓網(wǎng)友作出了如此高的評價：

Grok 4 vs Gemini 2.5 Flash

Grok4如同猛獸， 它輕松的表現(xiàn)就像“真正的GM”一樣下棋，成為當天最佳。

另一方面，Gemini Flash從一開始就處于劣勢，包括開局時吃王。

OpenAI o4-mini vs DeepSeek R1

在OpenAI o4-mini對陣DeepSeek R1的賽程中，R1開局強勁，但最終輸給了o4-mini。

比賽中雙方都犯了不少錯誤，但o4-mini率先抓住了R1犯下的失誤。

R1提供的推理雖然自信卻錯誤，而且對棋盤局勢的缺乏洞察導致它留下了棋子給o4-mini率先拿走。

Gemini 2.5 Pro vs Claude Opus 4

這場Gemini 2.5 Pro和Claude Opus 4的對陣是當天最佳對局，兩個模型都展示了高水平的棋藝。

Claude出現(xiàn)一些失誤，而Gemini Pro展現(xiàn)了強大的戰(zhàn)術(shù)視野，但給出的分析有時過于冗長。

Kimi K2 對陣o3

這是最快的四分之一決賽，Kimi K2被“碾壓”，主要是因為它反復堅持走非法棋步，o3以棄權(quán)獲勝，沒有太多值得分析的表現(xiàn)。

不過也有人替Kimi鳴不平：因為Kimi不是推理模型，長思考才能有更好的性能，步驟越往后，越需要長思考。

為什么是國際象棋？

所以為什么要選國際象棋來讓AI對戰(zhàn)？

這么說吧，國際象棋規(guī)則明確但復雜度高（10^120種可能局面），是測試AI決策能力的理想場景。

雖然有網(wǎng)友會產(chǎn)生誤讀，認為它是“越大越優(yōu)”，但實際上，這個數(shù)字已經(jīng)遠超窮舉法的適用范疇。

前些時間，陶哲軒在Lex訪談中提到：有些數(shù)學問題無法直接通過暴力計算來解決。例如國際象棋排列的數(shù)量，我們至今無法用計算機完全解決，但我們現(xiàn)在有AI，它們不會探索博弈樹中的每個位置，而是尋求近似值。

換句話講，讓AI去下國際象棋，考驗的其實是AI的涌現(xiàn)能力。

有位網(wǎng)友也關(guān)注到了這點，并對這次Grok 4的表現(xiàn)做出了總結(jié)：

這位網(wǎng)友表示，在傳統(tǒng)AI中，模型實力源于領(lǐng)域特定訓練模（為任務(wù)量身定制）；而在前沿AI中，模型實力源于一致性泛化（進化出能夠映射到一切事物的內(nèi)部世界結(jié)構(gòu)）。國際象棋只是其中一種投射。

網(wǎng)友們普遍認為，國際象棋是一種很可靠的評估AI能力的方式。

也有網(wǎng)友對AI的下一個競技游戲進行了預測：或許會是UNO？（當然是開玩笑）

哪個AI最被看好？

在Kaggle AI象棋競賽正式開始之前，有網(wǎng)友在Manifold上發(fā)起了一個投票：誰會是這場AI象棋競賽的最終勝者？

起初，Gemini 2.5 Pro是最受歡迎的，o4緊隨其后。

但在八進四比賽后，該投票發(fā)生了明顯變化，Grok 4呈現(xiàn)壓倒性優(yōu)勢。

不過越是這樣就越讓人期待，會不會出現(xiàn)什么抓馬的意外呢？