文章图片
文章图片
文章图片
文章图片
文章图片
机器之心报道
机器之心编辑部
明天 ， Grok 对阵 OpenAI 的 o3 。
谁也没想到 ， 谷歌攒的 Kaggle AI Chess 比赛（即大模型国际象棋对抗赛） ， 在半决赛中 ， Grok 4 击败 Gemini 2.5 Pro ， 进入总决赛！
在昨天的比赛中 ， 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 。
今天的战况依旧让人猜不着走向 ， Gemini 2.5 Pro 败了 。
马斯克昨天点评比赛结果的话术 ， 今天依旧有用：「国际象棋太过简单 ， 对 Grok 来说 ， 只是副作用 ， 我们没花多少力气放在象棋优化上 。 」
今天 Grok 4 闯入总决赛 ， 不知马斯克是不是更看不上这场比赛了 。
【Grok 4进决赛，大模型对抗赛Gemini全军覆没，马斯克装起来了】我们再回到这场半决赛 。
战况是 Grok 4 和 o3 分别战胜了 Gemini 2.5 Pro 和 o4-mini ， 成功晋级决赛 。 虽然 o3 的胜利在大家意料之中 ， 但 Grok 与 Gemini 之间的激烈对决却让所有人大跌眼镜 —— 双方在常规赛打成 2:2 平 ， 最终通过加赛才分出胜负 。
明天是比赛的最后一天 。 届时 ， 将迎来本次 AI 象棋巅峰对决的冠军之战 ， X 对战 OpenAI 。
对战表
o4-mini 对阵 o3 ：0-4
在初赛中 ， o4-mini 和 o3 均以 4-0 的全胜战绩淘汰了 DeepSeek-R1 以及 Kimi k2 ， 同样出身 OpenAI 的两大模型在半决赛中正面对决 。
比赛的结果基本在预料之中 ， o3 以 4 比 0 横扫对手 o4-mini ， 顺利晋级决赛 。
在 OpenAI 的推理模型体系中 ， o3 作为一款强大的通用推理模型 ， 在多个基准测试中均取得了优异成绩 ， 展现出卓越的稳定性与复杂推理能力 。 相比之下 ， o4-mini 是一款轻量级模型 ， 旨在在速度、成本与性能之间实现更好的平衡 。
因此 o4-mini 输给 o3 的确符合预期 ， 是因为象棋这种任务对模型的稳定推理能力和容错性要求很高 ， 这恰恰是轻量化模型最容易妥协的地方 。
谷歌举办这场比赛的主要目的是为了分析 AI 模型是如何思考的 。 因此 ， 整场对局中的第二盘可能对谷歌来说意义不大 ， 但对普通棋手而言却相当值得关注 。
在这一盘中 ， o3 仅用 12 步就完成了致胜攻击 ， 手法颇有 Puzzle Rush 风格 。 虽然不是一个真正意义上的闷杀（smothered mate） ， 但已经非常接近了 ， 依然令人惊叹 。
o3 的致胜攻击
尽管 AI 在国际象棋上的表现一直不尽如人意 ， 但 o3 在这盘棋中却拿下了完美的 100 分准确率评分 。
整场比赛的剩余部分 ， 大体上延续了本次锦标赛至今的老套路：某个弱 AI（这次是 o4-mini）在某个时间点开始失去局势控制 ， 连续出现致命失误 ， 最终输掉对局 。
不过有一盘棋例外 —— 它可能是本届比赛中看起来最自然流畅的一局 。 这是本场对决的第三盘 ， 相较其他对局 ， 这一盘展现出了真正的高质量国际象棋 。
其中 ， o3 下出的两个中间招法（in-between moves）—— 第 12 回合的 12…Bb4+ 和第 19 回合的 19…e3+ —— 尤其令人印象深刻 。
o3 令人印象深刻的走棋
Gemini 2.5 Pro 对阵 Grok 4：2.5-2.5
Grok 在国际象棋领域的统治力依然强势 ， 但这次的胜利之路并不平坦 ， 甚至可以说是比赛到目前为止最焦灼的一轮 。
准确的说 ， 马斯克轻描淡写「国际象棋是副作用」的 Grok 差一点就翻了车 ， 最终以和棋收场勉强取胜 。
虽然最终比赛结果是 Gemini 2.5 Pro 以 2-3 不敌 Grok 4 ， 但在官方博客中 ， 比分仍被标注为 2.5 - 2.5 平局 。
比赛一直打到特殊的末日加赛（armageddon tiebreak ， 是指国际象棋比赛中 ， 在常规赛或加赛打平后 ， 用于决出胜负的特殊加赛方式）才决出胜负 ， 最终， Grok 执黑在一盘 55 步的和棋中晋级 —— 尽管当时 Grok 明显处于胜势 。
但我们从头说起 。 今天 Grok 的表现异常混乱， 频频送子得分 。 事实上 ， 本场首盘由 Gemini 先拔头筹 ， Grok 相继丢掉了一匹马、一辆车 ， 最后被将死 ， 痛失一局 。
第二盘棋中 ， Gemini 和 Grok 在第 11 步之前都严格遵循了开局定式 。 正如我们在之前的比赛中观察到的那样 ， AI 一旦脱离开局理论、进入自主思考阶段 ， 就很容易开始出错 。
而 Grok 和 Gemini 至今为止都表现出了比其他模型更长时间遵循理论的能力 ， 这也可能是本场对决如此胶着的原因之一 。
不过 ， 也如预期那样 ， 一旦 Grok 脱离定式 ， 失误就接踵而至 。 Grok 再次丢掉一匹马 ， 而 Gemini 却出现幻觉 ， 主动送后 ， 随后又全盘崩塌 ， 最终将第二盘拱手相让 。
Grok 脱离定式后失误
Gemini 产生幻觉
接下来的两盘棋又是决定性的比赛 ， 延续了本届锦标赛的熟悉剧本：AI 们先走几步开局定式 ， 然后靠着机械式的创造力迅速开始出错 。
Grok 赢下了第三盘 ， 暂时在比分上领先 ， 但随后 Gemini 反击成功 ， 在第四盘将比分扳平 。
比赛进入末日加赛 ， Grok 执黑出战 ， 拥有和棋即胜的优势（尽管本场比赛并没有时间限制） 。
这场加赛堪称精彩纷呈 。 Gemini 在大部分时间里局势占优 ， 甚至一度错过了一个「一招将死」的机会 —— 这个将死模式与 o3 在第二盘战胜 o4-mini 时用的那个几乎一模一样 。
正当观众紧张关注局势时 ， 国际象棋特级大师 Peter Heine Nielsen（现任 Magnus Carlsen 的教练） 也借机向 Grok 提供了辅导建议：
最终 ， Gemini 在胜势的车兵残局中失误白送皇后 ， 将胜利拱手让给 Grok 。
然而 ， 剧情并未就此告终：由于 Grok 在多一车对单兵的必胜局面下未能兑现优势 ， 双方三次重复局面 ， 对局戏剧性地以和棋收场 。 尽管结局出人意料 ， 这场比赛仍被评选为今日最佳对局 。
Gemini 2.5 Pro 对阵 Grok 4：和棋收场
接下来 ， X 的 Grok 和 OpenAI 的 o3 将在明天的决赛中相遇 。 谷歌的 Gemini 2.5 Pro 和 o4-mini 将争夺季军和第四名 。
在昨天的投票中 ， 大家普遍看好 Gemini 2.5 Pro 和 Grok 4 成为最终赢家 。
那么现在 ， 你还会把票投给 Grok 4 吗？
推荐阅读
- 比大疆进度还快？Insta360影翎无人机真容曝光，8月将开启公测
- 沪“无人驾驶出租车”商业化落地，记者实测：收费不贵、技术进阶
- 北大、蚂蚁三个维度解构隐私保护机器学习：前沿进展+发展方向
- iPhone16 Pro进入“清仓期”，跌价2301元，价格“雪崩”
- 中国首台半导体级步进纳米压印光刻机，交付
- HarmonyOS 6.0亮相：纯血鸿蒙的“AI大脑”终于进化了
- 超越日本！我国第一台纳米压印光刻机交付：进军10nm以下
- 平台化战略再进一步，智元推出首个具身智能操作系统
- 技术革新驱动手游进化 骁龙至尊游戏重新定义移动游戏体验
- 三星或对HBM3E内存进行降价