当前位置:首页 > Deepseek最新资讯 > 正文内容

闹玩呢!首届大模型对抗赛,DeepSeek、Kimi第一轮被淘汰了

14小时前Deepseek最新资讯30

  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。

  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。

  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。

  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。

  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 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:

  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deepseek

  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。

  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?原文出处:闹玩呢!首届大模型对抗赛,DeepSeek、Kimi第一轮被淘汰了,感谢原作者,侵权必删!

标签: deepseek

“闹玩呢!首届大模型对抗赛,DeepSeek、Kimi第一轮被淘汰了” 的相关文章

OPTA给出了高阶数据,西甲面对多人防守带球过人次数:维尼修斯第一 亚马尔第二

OPTA给出了高阶数据,西甲面对多人防守带球过人次数:维尼修斯第一 亚马尔第二

  其实维尼修斯最恐怖的是这赛季上半赛季,比上赛季还恐怖,60分钟制造一球,萨拉赫都被他压过去了 这是上半赛季的多边形图,只能说小熊的发挥是比上赛季和上半赛季差了 但是很多人太夸张了 什么...

就说换做你是特根,离队这事怎么处理?

就说换做你是特根,离队这事怎么处理?

  我觉得我会今年先申请租借如果可以的话,手握两年合同世界杯后还想拼就离队,不想拼就躺着拿钱,按照刚开始报道俱乐部应该能接受特狮租借离队   我觉得我...

2025世界人工智能大会开幕!喜马拉雅成独家播客合作平台

2025世界人工智能大会开幕!喜马拉雅成独家播客合作平台

  7月26日,2025世界人工智能大会暨人工智能全球治理高级别会议在上海开幕。喜马拉雅作为本次大会独家播客合作平台,在大会现场搭建播客空间,零距离访谈前沿科技领域企业代表,共话AI时代及...

重磅的要来了!斯基拉:利物浦准备1.2亿-1.25亿向纽卡报价伊萨克

重磅的要来了!斯基拉:利物浦准备1.2亿-1.25亿向纽卡报价伊萨克

  斯基拉表示,按照自己昨天的独家消息,伊萨克和利物浦已经达成个人条款。(昨日斯基拉报道利物浦已与纽卡前锋伊萨克就个人条款达成原则性协议,合同期限到2030年,还有延长至2031年的选项,...

一个模型超了DeepSeek R1、V3,参数671B,成本不到350万美元

一个模型超了DeepSeek R1、V3,参数671B,成本不到350万美元

  Deep Cogito,一家鲜为人知的 AI 初创公司,总部位于旧金山,由前谷歌员工创立,如今开源的四款混合推理模型,受到大家广泛关注。   Deep Cogito...

厦大学生干部朋友圈狂喷国乒冠军,校方连夜查人!

厦大学生干部朋友圈狂喷国乒冠军,校方连夜查人!

  厦门大学外文学院日语专业的高材生陈笑郎(网名“向阳花”)狂喷两名国乒球员?!刚在乒超联赛厦门站当完志愿者,转头就在朋友圈和小红书彻底疯狂。   陈笑郎在乒超厦门站担任...