大模型国际象棋对抗赛：Grok 4 脱颖而出

从当前战局来看，Grok 4 无疑是最受瞩目的夺冠热门。

在棋艺比拼上，哪种模型能称雄？为了揭晓答案，谷歌近期举办了首届大模型国际象棋对抗赛。

这场赛事历时三天，参赛者阵容豪华，包括：

o4-mini（OpenAI）

DeepSeek-R1（DeepSeek）

Kimi K2 Instruct（月之暗面）

o3（OpenAI）

Gemini 2.5 Pro（谷歌）

Claude Opus 4（Anthropic）

Grok 4（xAI）

Gemini 2.5 Flash（谷歌）

最新战报显示，Gemini 2.5 Pro、o4-mini、Grok 4 和 o3 均以 4-0 的战绩，分别击败了 Claude 4 Opus、DeepSeek R1、Gemini 2.5 Flash 和 Kimi k2，强势晋级半决赛。

以下是模型对阵图。

比赛在名为「Kaggle Game Arena」的平台上火热进行。这是 Kaggle 公司的新项目，旨在突破常规基准测试框架，探索如 Gemini、DeepSeek 等大型语言模型（LLM）在动态竞争环境中的表现。

在昨日报道中，我们已详述比赛规则，例如禁止模型调用 Stockfish 等国际象棋引擎。（详情请参见《谷歌发起挑战，DeepSeek、Kimi 等纷纷应战，首届大模型对抗赛即将开启》）

以下是部分对战详情：

Kimi k2 对阵 o3：0-4

Kimi k2 与 o3 的对局迅速结束，四局比赛均在八步棋内完成。由于 Kimi k2 连续四次未能找到合法着法而败北，o3 取得完胜。

需注意的是，与 o3 对战的 Kimi K2 Instruct 是非推理模型，不敌 o3 在预料之中。

尽管 Kimi k2 未能获胜，但比赛为我们提供了宝贵观察。从 Kimi k2 的走棋注释来看，它在开局阶段能遵循棋谱理论行棋。然而，一旦脱离熟悉开局理论，技术问题便显现 —— 而对 Kimi k2 而言，转折点来得较早。

在这场对局中，Kimi k2 完全识别了棋盘局势，却仍无法给出合法着法，似乎对棋子走法规则出现记忆混乱。

DeepSeek R1 对阵 o4-mini：0-4

OpenAI 的 o4-mini 与 DeepSeek R1 的对局展现出独特特点。若单独观察每局比赛前几步棋，你可能会误以为两位高手在过招。然而对局至某阶段后，棋局质量会突然断崖式下跌。

这一现象在整场比赛中反复出现：几步不错的开局后，判断偏差和一系列失误接踵而至。

Gemini 2.5 Pro 对阵 Claude 4 Opus：4-0

Gemini 2.5 Pro 与 Claude 4 Opus 的对局是本次比赛中唯一一个通过「将杀」获胜场次多于因违规行棋告负的场次。不过，目前尚不清楚 Gemini 2.5 Pro 的真实棋力及胜利原因。

Grok 4 对阵 Gemini 2.5 Flash：4-0

今日表现最为抢眼的当属 Grok 4。除了全胜战绩收获 4 分外，其棋艺水平也堪称当前最佳。尽管对手 Gemini 2.5 Flash 多次失误降低了比赛难度，但 Grok 4 展现出的精准捕捉无保护棋子能力令人瞩目。

Grok 4 的出色表现甚至引起了科技界关注，其创始人埃隆・马斯克在 X 平台简短互动时再次提及他那个著名观点 ——「国际象棋太过简单」。

截至目前，大语言模型在国际象棋对弈中暴露三大关键短板：全局棋盘视觉化能力不足、棋子间互动关系理解有限及合法着法执行问题。而 Grok 4 的出色表现似乎突破了这些限制。