DeepSeek和Kimi首轮就被淘汰，这项大模型对抗赛说明了什么？
谷歌发起的“首届大模型对抗赛”，在赛前就已经话题度拉满，但是随着8月5日比赛正式打响，参赛AI展现出的水平或许令人有些失望。相比于两款中国模型DeepSeek-R1和Kimi K2 Instruct的首轮折戟，比赛传递出的更重要信息在于，通用大模型的推理能力还存在普遍性缺陷。
低级失误不断的比赛
首先要说明的是，所谓“首届大模型对抗赛”，其实在比赛形式和参赛AI大模型的选择上都备受争议。
这次比赛的形式是让大模型两两捉对下国际象棋。谷歌DeepMind团队，也就是2017年凭借AlphaGo彻底在棋类项目上击败人类的团队，为大模型提供了技术接口，让大模型能够“看懂”棋盘。
如果具体来看比赛过程，Kimi K2 Instruct不出意外是表现最差的模型，不光贡献了仅仅4回合就被对手将死的最快败局，还多次因为非法移动被判负（比赛规则设定，如果连续4次尝试非法移动就会被判负）。
在另外一局中，Kimi甚至无法正确识别棋子的位置。
事实上，尽管有不少低级错误，Kimi在每一盘的开局中都还表现中规中矩，能够使用人类的经典开局方式，显示出大模型对于国际象棋的基础知识是有认知的。只不过随着局面开始复杂化，所有大模型都开始变得力不从心。例如在下面这个场景中，DeepSeek-R1下出了糟糕的一步：把白后移动到c3的位置。
但是到了下一回合，白棋仿佛就忘记了前面的考虑，在明明有其它选择的情况下，用自己的王挡住了车的路线，白白损失掉白后。 有国际象棋爱好者对观察者网指出，这里更常规的选择是白后D4吃兵，在将军的同时还能解放出己方车的路线。看上去，DeepSeek-R1似乎只能考虑到有限的几种情况，缺乏多步推理和全局概念。
需要指出的是，这不是DeepSeek-R1独有的问题，基本上每个大模型都在常规的开局后，迅速开始下出各种“昏招”。
在专业的国际象棋网站Chess.com看来，只有Grok 4的表现略胜一筹，能够较好地识别和捕获对方未设防的棋子。
马斯克也在第一时间“炫耀”说，（下棋）只是Grok 4的“副作用”，他们并未对此做专门训练。
那么从首日战况来看，这项赛事到底说明了什么，又有多大意义？
首先，“首届大模型对抗赛”这样的说法，或许并不合适，因为比赛测试的仅仅是下国际象棋这样的单一能力，并不能完全反映一个模型的综合水平。
但是谷歌的野心，也不仅仅是办一场国际象棋比赛。事实上，本次比赛更像是谷歌为了打造一个更大规模LLM评价体系的“垫场赛”。
承办本次比赛的Kaggle，本就是谷歌旗下知名的数据科学赛事平台，在行业内享有很高声誉，如今在DeepMind加持下进军LLM赛事，最终应该是希望打造一套更加完整权威的评价体系。
从这个角度来说，如果能够建立一套新的评级体系，掌握评级话语权，对于谷歌在AI领域的地位将是极大的加强。
如果只看国际象棋比赛比赛本身，我们也可以看到，其对大模型能力的评估确实也有相当的参考价值。例如，非推理模型Kimi K2 Instruct的确表现较差，而Gemini 2.5 的Pro和Flash也体现出了能力差距。
1、为什么现在社会的中年男人都喜欢年轻女孩？,中年男人为什么喜欢年轻男孩