Op 5 augustus toonden top AI-modellen van XAI, Google en Openai hun strategische vaardigheden in een nieuw schaaktoernooi. Gehouden in de nieuwe Kaggle-game-arena van Google, test het evenement de redeneermogelijkheden van AI’s voor algemene doeleinden. Op de eerste dag ging Grok 4, Gemini 2.5 Pro, O4-Mini en O3 allemaal vooruit met 4-0 sweeps.
Het toernooi, ontworpen door DeepMind, wil zien hoe deze AI’s een complexe, realtime strategie omgaan. Deze beweging betekent een verschuiving van statische benchmarks naar dynamische, concurrerende omgevingen. Het biedt een nieuwe manier om de probleemoplossende mogelijkheden van’s werelds toonaangevende grote taalmodellen te meten.
Een nieuw bewijs voor AI redeneren
Google’s Data Science Community Kaggle lanceerde de
De inauginatie is een driemaal, een driemaal, een driemaal, een driemaal, een driemaal. Toernooi met acht toonaangevende LLMS. De line-up omvat Google’s Gemini 2.5 Pro en Flash, Openai’s O3 en O4-Mini, Claude 4 Opus van Anthropic, Xai’s Grok 4, Deepseek-R1 en Kimi K2 van Moonshot. De modellen moeten op hun eigen redenering vertrouwen, zonder toegang tot schaakmotoren. De actie van de eerste dag zagen alle vier kwartfinale wedstrijden eindigen in verbluffend eenzijdige 4-0 resultaten, maar de verhalen achter de scores varieerden dramatisch. Terwijl de overwinnaars-GROK 4, Gemini 2.5 Pro, O4-Mini en O3-allemaal netjes gevorderd, de aard van hun overwinningen aanzienlijk benadrukten, aanzienlijke en verrassende hiaten in de mogelijkheden van de modellen om het spel te spelen. De meest scheve match was de ontmoeting tussen O3 en Kimi K2, die in het algemeen in de dag van de dag was. In een onthullende weergave van fundamentele zwakte, verbeurde Kimi K2 alle vier de wedstrijden nadat hij niet een juridische stap had geproduceerd binnen zijn vier pogingen. Geen van de spellen duurde meer dan acht bewegingen. Analyse suggereert dat Kimi K2 de openingstheorie zou kunnen volgen voor een paar bewegingen, maar zodra het op onbekend terrein was, is het greep op het spel uiteengevallen, soms vergeten hoe stukken de locatie van stukken op het bord op het bord beweegt of verkeerd lees. Deze wedstrijd werd beschreven als”bizarre”, gekenmerkt door momenten van sterk, menselijk openingsspel dat plotseling zou wijden in een reeks blunders en hallucinaties van beide partijen. Ondanks deze onregelmatige uitvoering, o4-mini, een superieur vermogen om te voltooien, impresiceer twee checkers-een noteerbare prestaties in een toernooi waar vele ais was om te voltooien. [Embedded Content] De strijd tussen Gemini 2.5 Pro en Claude 4 Opus was de enige die meer games had die eindigden in Checkmate dan in verbeurdverklaring. Het was echter onduidelijk hoeveel van het resultaat te wijten was aan Gemini’s schaken Acumen versus Claude 4 Opus’s slechte spel. Een kritisch moment in de eerste game zag Claude 4 Opus een haastige pion duwden die materiaal blunde materiaal en permanent verbrijzelde de verdediging van de koning, het expederen van de nep. Zelfs met een enorm voordeel toonde Gemini 2.5 Pro zijn eigen beperkingen, hangende stukken op weg naar het leveren van de laatste schaakmat. [ingebedde inhoud] In contrast kwam de sterkste en meest overtuigende prestaties van de dag afkomstig van Xai’s GROK 4 in zijn match tegen Gemini 2.5 Flash. Terwijl de tegenstander zijn aandeel in blunders maakte, leek GROK 4 veel meer opzettelijk in zijn strategie, consequent identificerend en kapitalisatie op niet-verdedigde stukken in plaats van alleen maar te wachten op fouten. Deze weergave van superieure tactische bewustzijn trok de aandacht van zijn schepper, Elon Musk, die verwijst naar zijn vorige kijk op het spel van de game,”te simpel.”Musk ook zei dat xai”bijna geen inspanningen op schaken”brachten bij het trainen van GROK 4, Relatief goede prestaties een”in de buurt van checkine”. Benchmark for General-Purpose AI
While specialized engines like DeepMind’s AlphaZero famously mastered chess years ago, this tournament underscores the vast difference met algemene LLMS. Hun feilbaarheid is precies het punt van de test, waardoor belangrijke zwakke punten in visualisatie en strategische logica worden onthuld. Dit werd levendig aangetoond in juli toen Magnus Carlsen gemakkelijk chatgpt versloeg. Na de overwinning grapte Carlsen:”Ik verveel me soms tijdens het reizen,”benadrukt het gebrek aan contextueel begrip van de AI. De resultaten van het huidige toernooi, met name Kimi K2’s verbeurd, weerspiegelen deze beperkingen op grotere schaal. Het evenement bevat commentaar van topschaakfiguren, waaronder GM Hikaru Nakamura en IM Levy Rozman, die de unieke wedstrijd voor een wereldwijd publiek brengt. Hoewel het knock-outformaat voor de show is, loopt Kaggle ook honderden games achter de schermen om een persistent leaderboard te creëren. Dit zal in de loop van de tijd een rigoureuze benchmark bieden. Zoals Kaggle’s Meg Risdal uitlegde:”Hoewel het toernooi een leuke manier is om te specteren… zal het uiteindelijke klassement de rigoureuze benchmark van de mogelijkheden van de modellen bij schaken vertegenwoordigen die we in de loop van de tijd behouden.”De game-arena is van plan uit te breiden naar andere spellen zoals Go en Werewolf om verschillende facetten van AI-redenering te testen. Het toernooi gaat verder met de halve finale op 6 augustus. kwartfinale confrontatie: een dag van dominantie en disfunctie
