AI 下棋也搞「村超」，8 大模型混战丨AI 闲聊

Day 1

昨晚第一轮的结果已经出来了，国产大模型全军覆没了。不过这个可能也符合预期，毕竟我们的对手是 OpenAI 的 o 系列模型、谷歌的 Gemini 2.5 系列模型、xAI 的 Grok 4 以及 Anthropic 的 Claude Opus 4，这些模型都是国外顶尖大模型了。

具体来说，昨晚第一轮共有 8 个模型参赛，有四场对决，分别是：

• o4-mini 对阵 DeepSeek R1，最终 o4-mini 胜出；

• Kimi K2 对阵 o3，最终 o3 胜出；

• Gemini 2.5 Pro 对阵 Claude Opus 4，最终 Gemini 2.5 Pro 胜出；

• Grok 4 对阵 Gemini 2.5 Flash，最终 Grok 4 胜出。

虽然每场比赛是 4 局，但是可以看出都是一边倒的情况，就是一方模型是全胜：

这里 Kimi K2 是非推理模型，落子就容易犯错，违反比赛规则，所以不到半个小时就败给了 o3：

而 o4-mini 和 DeepSeek R1 的比赛打的比较焦灼，是四场比赛中用时最久的，打了将近两个小时：

最终还是 DeepSeek R1 败下，但是 OpenAI 刚开源了 o4-mini 级别的模型 gpt-oss-120b。

接下来第二天将是 o4-mini 对决 o3，以及 Gemini 2.5 Pro 对决 Grok 4。

其实之前已经有网友对结果做了预测，这里放一个我觉得最可能的预测，就是

第二天：o3 会胜 o4-mini，同时 Gemini 2.5 Pro 会胜 Grok 4，

第三天金牌赛：o3 会胜 Gemini 2.5 Pro，而铜牌赛：Grok 4 会胜 o4-mini。

这样 o4 是金牌，Gemini 2.5 Pro 是银牌，而 Grok 4 是铜牌。不过这里不确定的可能是明天 Grok 4 与 Gemini 2.5 Pro 的比赛，也有可能 Grok 4 会胜出。

另外，说说这次比赛的背景，谷歌在 8 月 5 日发起了 Kaggle Game Arena ，这是一个全新的基准测试平台，AI  模型与智能体可以在其中通过策略游戏进行正面对决，首个上线项目是国际象棋。

你可能会问：为什么选择游戏？

游戏是评估 AI 的理想方式，因为它们可以帮助我们理解模型如何应对复杂的推理任务。许多游戏都可以视为现实世界技能的缩影，能够测试模型在战略规划、适应能力和记忆力等方面的表现。而且难以被「刷分」：比如国际象棋、狼人杀等复杂游戏不会轻易被「破解」，能真实反映模型强度。

这场 AI 国际象棋表演赛就是为了庆祝 Game Arena 的启用，后面应该有更多的游戏和比赛。

https://www.zhihu.com/video/1936375423501068240

另外一点，这次的 AI 国际象棋赛是只用纯文本输入进行测试，不测试多模态能力，所以国产大模型 DeepSeek R1 和 Kimi K2 可以参赛（两个都是纯文本大模型）。

比赛的一些规则如下：

• 模型无法调用任何工具，例如不能直接使用 Stockfish 引擎来获得最佳走法。

• 模型也不会收到当前局面下的合法走法列表。

• 若模型提出不合法的走法，最多允许 3 次重试。若连同首次在内共 4 次尝试均不合法，则该局立即结束，判提出非法走法的模型负、对手胜。

• 每一步棋限时 60 分钟。

希望未来国产大模型越来越好，能拿下一个冠军。

Day 2

第二天的比赛结果也出来了：o3 干掉了 o4-mini 这个估计没啥意外的，但是谷歌的 Gemini 2.5 Pro 败给了马斯克的 Grok 4。

然后细看比赛结果，o3 是 4 局全胜 o4-mini，用时不到 40 分钟。但是 Gemini 2.5 Pro 和 Grok 4 之间的比赛比较焦灼，打了将近 2 个小时，四局打成了平手 2:2，最终加了一局后，Grok 4 以 3:2 险胜 Gemini 2.5 Pro。

明天的的金牌将在 o3 和 Grok 4 之间产生，马斯克和奥特曼谁会赢呢？

Day 3

最后一天，金牌赛，OpenAI 的 o3 战胜 Grok 4，取得金牌，然后 Grok 4 就是银牌。Gemini 2.5 Pro 胜了 o4-mini，获得铜牌。

4:0 赢了 Grok 4:

而且比赛时间用时没有超过 50 分钟：

这个比赛结果也算给 OpenAI 刚发布的 GPT-5 来了一个庆祝。

另外一边，谷歌的 Gemini 2.5 Pro 打 o4-mini 虽然赢了，但是也略显吃力，比分是 2.5:1.5，这意味着只多胜了一局，而且还有一局是平局。

这就是 AI 国际象棋的村超。

没有贬低村超的意思，但不可否认村超不是世界杯，不管村超有多热闹，村超绝对不代表最高足球水平；这个 AI 国际象棋比赛也一样，无论多么热闹，都不代表 AI 国际象棋的最高水平。

最高水平的AI国际象棋水平，当然首推谷歌当年的 AlphaZero，这个基于强化学习训练出来的 AI，虽然没有公开的和人类对弈的记录，但是在和另一个公认顶尖的国际象棋 AI Stockfish 的比赛中占据绝对优势，因为 AlphaZero 公开信息不多，而且这几年更是杳无音讯，所以更值得关注的是它的手下败将 Stockfish。

Stockfish 是一个开源的 AI，而且持续更新，最近一次发布在 2025 年 3 月份，可以说依然十分活跃。

值得一说的是，Stockfish 作为开源 Chess AI 的顶级高手，和闭源 Chess AI 的顶级高手 AlphaZero 套路完全不同，AlphaZero 依赖深度升级网络，靠 Self Play 强化学习掌握棋艺，而 Stockfish 则是走优化的暴力搜索路线，再配合搜索树剪枝技巧和棋局评估能力，一样可以表现出很高的水平。

Stockfish 目前的 Elo 等级分大约在 3700，属于超人类的水平。

而进入 AI 国际象棋的村超决赛的 Grok 4 和 o3 的Elo 登记分大约在 1600-1800 之间，这个等级分按照 Elo 属于业余选手中比较好的水平，但是比 Stockfish 相比那真的是差得十万八千里——所以说，这次 AI 国际象棋比赛，真的也就是村超水平。

Elo scale

看这次 AI 村超入选名单也很清楚，选的都是大语言模型，具有泛化能力，而不是 Stockfish 这样的专用 AI。

专用 AI，就好比除了下棋啥也不会的 Nerd，但是就是下棋强。

大语言模型，就好比啥都会一点的通才，但是下棋也肯定不会有超一流的水平。

这次 AI 村超没有邀请 Stockfish，当然也没有邀请 AlphaZero，就是因为这些专业 AI 棋手真的可以把大语言模型轰成渣渣。

在我写这个回答的时候，冠军争夺战和季军争夺战还没有开始，但是看前面几场比赛的录像，还是能够发现大语言模型 AI 选手下国际象棋热闹的地方。

像 AlphaZero 和 Stockfish 这样的专业选手，只是默默下棋，是无法对自己每一步的决策过程做出没描述的。

相反，大语言模型 AI 选手，会用语言给出每一步的决策描述，别管水平如何，能够讲出自己下每一步的道理，那就很有热闹可看。

你看，o4-mini 正在「琢磨」怎么下，他会用文本方式展示棋盘状态，还用 if 来探索各种可能的结构，也会说出自己的策略，看起来还真的挺有趣。

AI 村超中 LLM 下棋的推理过程

这就是 AI 村超的意义，谁胜谁负其实不那么重要，重要的是展示一下，除了专业选手，业余选手也可以上场表现一下，最重要的就是热闹。

重在掺和 :-)