闹着玩呢！首届大模型对抗赛，DeepSeek、Kimi第一轮被淘汰了

从目前战况来看，Grok 4 是夺冠热门。

在玩游戏方面，到底哪个模型最厉害？为了回答这个问题，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。

这个比赛是在一个名叫「Kaggle Game Arena」的平台上进行的。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。

以下是对战的详细信息：

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。 

不过需要说明的是，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。

Kimi k2 遇到困难的具体原因还需要进一步分析。在某些时候，它能清楚看到棋子的位置，却似乎忘记了棋子的走法。

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。