不圆 奕然 发自 凹非寺
量子位 | 公众号 QbitAI
最新战报最新战报：首届AI国际象棋对战……马斯克家的Grok 4“遥遥领先”了。
是的，谷歌给大模型整了个国际象棋比赛：Kaggle AI象棋竞赛。
在首日对决之后，参赛选手中OpenAI的o3和o4-mini、DeepSeek R1、Kimi K2 Instruct、Gemini 2.5 Pro和2.5 Flash、Claude Opus 4、Grok 4都有了第一轮较量，结果——
Grok 4表现最佳，DeepSeek R1表现强劲，但不敌o4-mini，Kimi K2最惨——都让网友喊冤了。
眼见自家Grok 4表现出色，马斯克当然不会错过PR良机，不过回应略显凡尔赛：
我们没有刻意去训练，这只是一个副作用。
u1s1谁又能为这么个“无厘头”比赛专门刻意训练呢？
当然，让AI对战国际象棋，过程比输赢重要多了，毕竟谷歌发起这次比赛的初衷，就是测试“涌现”能力。
首届Kaggle AI国际象棋竞赛
本次比赛由谷歌发布，作为推广Kaggle游戏竞技场的一个环节。首次比赛以国际象棋开始。
参赛“选手”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（太平洋时间）准时直播赛况。
除了各个顶级模型的象棋对决，直播还邀请了国际象棋特技大师中村光（Hikaru Nakamura）作为讲解。
他于7岁那年开始学习国际象棋，到15岁时成为全美国际象棋冠军并拿到GM头衔，也是本届EWC国际象棋（迄今为止规模最大的国际象棋锦标赛）的季军。
在一天的角逐后，目前挺入半决赛圈的是Gemini 2.5 Pro、Grok 4、ChatGPT的o4-mini和o3。
吃瓜群众坐等看ChatGPT的o4-mini和o3的“内斗”，以及Gemini 2.5 Pro对战Grok 4。
并且，所有在八分之一决赛中的比赛都以完美的4-0结束。实力差距非常明显。
网友们分析了这次赛况，表示Grok 4在这次基准测试中“在战术策略和速度上超越了所有其他模型”。
可是等等，现在不是才八进四么？这么快就下结论了？
让我们一起看看各模型的具体表现，是什么让网友作出了如此高的评价：
Grok 4 vs Gemini 2.5 Flash
Grok4如同猛兽， 它轻松的表现就像“真正的GM”一样下棋，成为当天最佳。
另一方面，Gemini Flash从一开始就处于劣势，包括开局时吃王。
OpenAI o4-mini vs DeepSeek R1
在OpenAI o4-mini对阵DeepSeek R1的赛程中，R1开局强劲，但最终输给了o4-mini。
比赛中双方都犯了不少错误，但o4-mini率先抓住了R1犯下的失误。
R1提供的推理虽然自信却错误，而且对棋盘局势的缺乏洞察导致它留下了棋子给o4-mini率先拿走。
Gemini 2.5 Pro vs Claude Opus 4
这场Gemini 2.5 Pro和Claude Opus 4的对阵是当天最佳对局，两个模型都展示了高水平的棋艺。
Claude出现一些失误，而Gemini Pro展现了强大的战术视野，但给出的分析有时过于冗长。
Kimi K2 对阵o3
这是最快的四分之一决赛，Kimi K2被“碾压”，主要是因为它反复坚持走非法棋步，o3以弃权获胜，没有太多值得分析的表现。
不过也有人替Kimi鸣不平：因为Kimi不是推理模型，长思考才能有更好的性能，步骤越往后，越需要长思考。
为什么是国际象棋？
所以为什么要选国际象棋来让AI对战？
这么说吧，国际象棋规则明确但复杂度高（10^120种可能局面），是测试AI决策能力的理想场景。
虽然有网友会产生误读，认为它是“越大越优”，但实际上，这个数字已经远超穷举法的适用范畴。
前些时间，陶哲轩在Lex访谈中提到：有些数学问题无法直接通过暴力计算来解决。例如国际象棋排列的数量，我们至今无法用计算机完全解决，但我们现在有AI，它们不会探索博弈树中的每个位置，而是寻求近似值。
换句话讲，让AI去下国际象棋，考验的其实是AI的涌现能力。
有位网友也关注到了这点，并对这次Grok 4的表现做出了总结：
这位网友表示，在传统AI中，模型实力源于领域特定训练模（为任务量身定制）；而在前沿AI中，模型实力源于一致性泛化（进化出能够映射到一切事物的内部世界结构）。国际象棋只是其中一种投射。
网友们普遍认为，国际象棋是一种很可靠的评估AI能力的方式。
也有网友对AI的下一个竞技游戏进行了预测：或许会是UNO？（当然是开玩笑）
哪个AI最被看好？
在Kaggle AI象棋竞赛正式开始之前，有网友在Manifold上发起了一个投票：谁会是这场AI象棋竞赛的最终胜者？
起初，Gemini 2.5 Pro是最受欢迎的，o4紧随其后。
但在八进四比赛后，该投票发生了明显变化，Grok 4呈现压倒性优势。
不过越是这样就越让人期待，会不会出现什么抓马的意外呢？
参考链接：
[1]https://x.com/elonmusk/status/1952814912839008347
[2]https://www.youtube.com/watch?v=-nByurcQHDI
[3]https://x.com/_The_Prophet__/status/1952855259841478657
[4]https://x.com/richardcsuwandi/status/1952828128998699335
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
💻 8月7日周四，下午14点，量子位AI沙龙邀请了来自模型厂商、IDE、零代码平台、Agent等产品代表，一同聊聊AI Coding将如何重构开发？
👩💻 欢迎线下参会！来和百度文心快码、智谱、Kimi、硅心科技、海新智能、CREAO、IDEA面对面交流 👇
一键关注 👇 点亮星标
