从目前战况来看，Grok 4 是夺冠热门。
为了回答哪个模型在玩游戏方面最厉害的问题，谷歌近日发起了首届大模型国际象棋对抗赛。这场比赛为期三天，参赛选手包括：
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）
刚刚，我们拿到了第一轮比赛的结果：Gemini 2.5 Pro、o4-mini、Grok 4 和 o3 均以 4-0 的战绩分别击败 Claude 4 Opus、DeepSeek R1、Gemini 2.5 Flash 和 Kimi k2，晋级半决赛。
以下是模型对阵图。
比赛在一个名为「Kaggle Game Arena」的平台上进行。这是 Kaggle 公司的一个新项目，旨在跳出平时的基准测试框架，探索像 Gemini、DeepSeek 等 LLM 在动态和竞争环境中表现如何。
在昨天的报道中，我们详细描述了这场比赛的规则，比如不允许模型调用 Stockfish 等国际象棋引擎。（详情请参见《谷歌约战，DeepSeek、Kimi 都要上，首届大模型对抗赛明天开战》）
对战详细信息
Kimi k2 对阵 o3：0-4
Kimi k2 与 o3 的对局较早结束，四局比赛都在八步棋内完成。由于 Kimi k2 连续四次未能找到合法着法而被判负，o3 获得了全胜。与 o3 对战的 Kimi K2 Instruct 为非推理模型，打不过 o3 也在预料之中。
虽然 Kimi k2 未能获胜，但这场比赛也为我们提供了有价值的观察。从 Kimi k2 的走棋注释来看，它在开局阶段能够遵循棋谱理论行棋。然而，一旦脱离了熟悉的开局理论，技术问题就开始显现——而对 Kimi k2 来说，这个转折点来得较早。
在这一次对局中，Kimi k2 完整识别了棋盘局势，却依然无法给出合法着法，似乎对棋子的走法规则出现了记忆混乱。在其他对局中，它在局面识别上也存在一些技术问题。
凭借这场胜利，o3 顺利晋级半决赛，与 o4 mini 对战。
DeepSeek R1 对阵 o4-mini：0-4
OpenAI 的 o4-mini 与 DeepSeek R1 之间的对局呈现出了独特的特点。如果单独观察每局比赛的前几步棋，你可能会以为这是两位高手在过招。然而对局进行到某个阶段后，棋局质量就会突然断崖式下跌。这一现象在整场比赛中反复出现：几步不错的开局之后，会出现判断偏差和一系列失误。
尽管如此，o4-mini 在这场比赛中成功实现了两次将军——这是一个值得注意的成就，考虑到对 AI 系统来说，准确把握整个棋盘状态本身就具有相当的挑战性。
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」获胜的场次多于因违规行棋告负的场次的比赛。不过，目前尚不清楚 Gemini 2.5 Pro 的真实棋力究竟如何，也不确定其胜利在多大程度上得益于 Claude 4 Opus 的失误表现。
这场比赛第四局出现了一个耐人寻味的局面：Gemini 2.5 Pro 当时拥有 32 分的子力优势，棋盘上甚至有两个后。然而尽管火力全开，它在完成将杀的过程中仍然出现了送子的情况。
但更值得分析的是本场比赛的第一局。前九个回合，双方 AI 都表现稳健，着法精妙。然而就在此时，执黑的 Claude 4 Opus 做出了一个草率的决定，走 10…g5。这步棋不仅白送一兵，还彻底破坏了己方王城的安全，直接加速了败局的到来。从双方 AI 的赛后评注中，我们可以看出一些端倪：
Grok 4 对阵 Gemini 2.5 Flash：4-0
今日表现最为亮眼的当属 Grok 4。除了以全胜战绩收获 4 分外，其棋艺水平也堪称目前最佳。虽然对手 Gemini 2.5 Flash 多次失误送子确实降低了比赛难度，但与其他 AI 不同的是，Grok 4 展现出了精准捕捉无保护棋子的能力，并能果断实施打击。
Grok 4 的出色表现甚至引起了科技界的关注，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，大语言模型在象棋对弈中暴露出三大关键短板：全局棋盘视觉化能力不足、棋子间互动关系理解有限，以及由此引发的合法着法执行问题。而 Grok 4 的出色表现证明，它似乎成功突破了这些限制。
这些 AI 模型的优势与缺陷能否在后续赛事中保持稳定？我们还要看明天的半决赛成绩。
文章中提及的棋局在线上国际象棋对弈网站 chess.com 中均有详细描述，感兴趣的读者可以参见以下链接：链接。国际象棋大师 Levy Rozman 也在最新录制的视频中对这场比赛进行了讲解。
我们曾在昨天的报道中发起了一个投票，目前已有近 4000 位读者参与。从目前的数据看，大家此前最看好的是 Gemini 2.5 Pro——赢得了超过 37% 的票数。
现在，第一天的比赛结果已经出炉，我们也稍微了解了各个模型的表现，不知道大家的想法有无变化呢？
https://www.chess.com/news/view/kaggle-game-arena-chess-2025-day-1
