最新戰報最新戰報：首屆AI西洋棋對戰……馬斯克家的Grok 4「遙遙領先」了。
是的，谷歌給大模型整了個西洋棋比賽：Kaggle AI象棋競賽。
在首日對決之後，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，結果——
Grok 4表現最佳，DeepSeek R1表現強勁，但不敵o4-mini，Kimi K2最慘——都讓網友喊冤了。
眼見自家Grok 4表現出色，馬斯克當然不會錯過PR良機，不過回應略顯凡爾賽：
我們沒有刻意去訓練，這只是一個副作用。
u1s1誰又能為這麼個「無厘頭」比賽專門刻意訓練呢？
當然，讓AI對戰西洋棋，過程比輸贏重要多了，畢竟谷歌發起這次比賽的初衷，就是測試「湧現」能力。
首屆Kaggle AI西洋棋競賽本次比賽由谷歌發布，作為推廣Kaggle遊戲競技場的一個環節。首次比賽以西洋棋開始。
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，直播還邀請了西洋棋特技大師中村光（Hikaru Nakamura）作為講解。
他於7歲那年開始學習西洋棋，到15歲時成為全美西洋棋冠軍並拿到GM頭銜，也是本屆EWC西洋棋（迄今為止規模最大的西洋棋錦標賽）的季軍。
在一天的角逐後，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「內鬥」，以及Gemini 2.5 Pro對戰Grok 4。
並且，所有在八分之一決賽中的比賽都以完美的4-0結束。實力差距非常明顯。
網友們分析了這次賽況，表示Grok 4在這次基準測試中「在戰術策略和速度上超越了所有其他模型」。
可是等等，現在不是才八進四麼？這麼快就下結論了？
讓我們一起看看各模型的具體表現，是什麼讓網友作出了如此高的評價：
Grok 4 vs Gemini 2.5 FlashGrok4如同猛獸， 它輕鬆的表現就像「真正的GM」一樣下棋，成為當天最佳。
另一方面，Gemini Flash從一開始就處於劣勢，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出現一些失誤，而Gemini Pro展現了強大的戰術視野，但給出的分析有時過於冗長。
Kimi K2 對陣o3這是最快的四分之一決賽，Kimi K2被「碾壓」，主要是因為它反覆堅持走非法棋步，o3以棄權獲勝，沒有太多值得分析的表現。
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，步驟越往後，越需要長思考。
為什麼是西洋棋？所以為什麼要選西洋棋來讓AI對戰？
這麼說吧，西洋棋規則明確但複雜度高（10^120種可能局面），是測試AI決策能力的理想場景。
雖然有網友會產生誤讀，認為它是「越大越優」，但實際上，這個數字已經遠超窮舉法的適用範疇。
前些時間，陶哲軒在Lex訪談中提到：有些數學問題無法直接通過暴力計算來解決。例如西洋棋排列的數量，我們至今無法用計算機完全解決，但我們現在有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去下西洋棋，考驗的其實是AI的湧現能力。
有位網友也關注到了這點，並對這次Grok 4的表現做出了總結：
這位網友表示，在傳統AI中，模型實力源於領域特定訓練模（為任務量身定製）；而在前沿AI中，模型實力源於一致性泛化（進化出能夠映射到一切事物的內部世界結構）。西洋棋只是其中一種投射。
網友們普遍認為，西洋棋是一種很可靠的評估AI能力的方式。
也有網友對AI的下一個競技遊戲進行了預測：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，有網友在Manifold上發起了一個投票：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緊隨其後。
但在八進四比賽後，該投票發生了明顯變化，Grok 4呈現壓倒性優勢。
不過越是這樣就越讓人期待，會不會出現什麼抓馬的意外呢？