当AI学会“看球”它真的比人类更懂吗一场揭幕战让所有人都信了2026年6月11日美加墨世界杯揭幕战墨西哥对阵南非。赛前12个中国大模型被拉到同一个擂台上——由联想天禧AI牵头、咪咕直播全程记录的「人机大战世界杯预言家」。它们要在104场比赛里和近20万人类用户正面PK。结果呢墨西哥2:0南非绝大多数AI命中了赛果。通义千问甚至精准到“上半场1:0、下半场再进一个、某球员破门”——细节全中。那一刻弹幕沸腾了。“AI真的懂球”“以后不用看球了直接问AI。”三天后小组赛前15场打完一份成绩单被悄悄晒了出来最高命中率46.7%。连抛硬币的50%都没跑赢。这届世界杯成了中国AI最诚实的一场压力测试。而这场测试的结果比任何发布会PPT都更接近真相。在这里我也给大家分享两个skill一个是世界杯数据查询的skill一个是世界杯日报生成的skill如果大家有在使用openclaw或是基于openclaw的国产龙虾工具比如阶跃AI桌面版stepclawQclaw可以把skill直接接入你的龙虾如果你的龙虾连接飞书了还可以让他每天定时发送比赛的数据还是挺好玩的。① 世界杯数据查询 —— 一句话说就是把它当你的 2026 美加墨世界杯「活体资料库」。“今天有哪些比赛”“西班牙对巴西怎么看”“阿根廷目前积分榜什么情况”——直接用自然语言问它去拉赛程/实时比分/阵容/球员数据和积分榜结果还是结构化 JSON写稿、做图、做 brief 都很方便。安装openclawmp install skill/9028f8fc66b349fa839b7beda96c3030② 世界杯日报World Cup Daily Report —— 专为倒不过时差的人设计每天早上自动把前一天凌晨场汇总成一份日报比分、进球、红黄牌、关键统计、简短战术点评支持飞书 / 微信等推送。说一句「昨天的世界杯结果」就能按需唤出来。安装openclawmp install skill/afe121bcb8314f0ba6dff857e542560c使用起来也是很简单一句话就能查世界杯的数据了Part 112张牌桌三种打法先搞清楚谁上了桌。联想×咪咕「人机大战」接入了整整12家大模型模型所属参战方式天禧AI联想FIFA官方技术伙伴·搭台方主办方自研DeepSeek深度求索擂台参赛 独立PR押法国夺冠通义千问阿里擂台参赛 独立营销页环境变量建模/万元竞猜百度文心一言百度擂台参赛 绑搜索实时赛况腾讯混元腾讯元宝底座擂台参赛 微信生态观赛场景Kimi月之暗面擂台参赛 独立营销页300子Agent/1万亿Token奖池智谱清言智谱AI擂台参赛偏学术推理路径阶跃星辰阶跃星辰擂台参赛——全场最“不合群”的那个MiniMaxMiniMax擂台参赛讯飞星火科大讯飞擂台参赛商汤小浣熊商汤视觉/多模态背景擂台参赛中移九天中国移动擂台参赛12家各有各的打法。大致可以分为三类第一类独立营销派——Kimi、千问、DeepSeek。它们不仅参赛还自己搭了独立的营销页面搞Token奖池、现金竞猜、Agent推演直播。Kimi的“300个子Agent并行推演1万亿Token瓜分”是这里面叙事最猛的。第二类生态绑定派——文心、混元、豆包字节独立作战未入擂台。它们把预测能力嵌入已有的搜索、社交、内容生态里试图让世界杯变成自己产品的“流量发动机”。第三类沉默应考派——阶跃星辰、MiniMax、智谱清言、商汤、讯飞、中移。它们没有独立营销页没有巨额奖池就是安安静静地在同一个擂台上交卷。而正是这些“沉默应考派”里藏了这篇文章最想讲的故事。Part 2成绩单——15场之后谁在裸泳前15场小组赛12个模型的战绩如下排名模型命中/15命中率一句话画像百度文心一言746.7%目前唯一跑赢“半数”的靠的是几场冷门里独中联想天禧AI640.0%搭台者自身模型中规中矩中移九天640.0%稳健保守派腾讯混元640.0%曾精准命中加拿大1-1波黑平局MiniMax640.0%唯一押中韩国vs捷克胜负且始终不改预测—DeepSeek533.3%逻辑派德国7:1方向对了但8:0过分了—通义千问533.3%揭幕战2:0细节最亮眼但整体没拉开—智谱清言533.3%跟共识最紧的一档—阶跃星辰533.3%命中数中段但信息量最反常—商汤小浣熊533.3%不拉胯也不突出—Kimi426.7%营销声量最大战绩暂垫底—讯飞星火426.7%同为暂列尾部注意看这个表最扎眼的地方第一名46.7%第二名到第五名都是40%然后是一大片33.3%。这意味着什么意味着12个模型里有8个的预测水平几乎一模一样——没有统计学意义上的差异。它们的预测结果本质上是对同一组数据的同一种解读。AI不是在预测AI是在复读人类的共识。Part 3阶跃星辰——全场最“不合群”的AI和它的高方差悖论在所有模型里有一个名字反复跳出“共识圈”——阶跃星辰。它做了什么名场面一比利时 1-1 埃及——“全场11比1”赛前12大AI中11家押比利时赢比分集中在2-0/2-1只有阶跃星辰押1-1平局。终场哨响1-1。它是全场唯一命中赛果命中比分的AI。名场面二瑞典 5-1 突尼斯——“唯一嗅到血腥味的”12家全押瑞典胜✅但11家陷入了“小比分陷阱”预测2-0/3-0。阶跃星辰独给瑞典5:2——全场唯一捕捉到“总进球4”趋势的模型。实际5-1。名场面三佛得角 5-1 西班牙——“同一个自由度产的废品”它也给出过佛得角5-1胜西班牙、日本3-0胜荷兰这种“离谱到伤害品牌”的输出。对你没看错。它的“对”和“错”来自同一个原因。阶跃星辰的预测方法是跑了50000次模拟基于纯Elo等级分体系。第一次翻车时它自己造了一套假xG数据导致墨西哥/南非/韩国变成前三名——于是它砍掉重练退回纯Elo。它自己也坦白“纯Elo不知道Yamal伤没伤、不评估高温旅途、点球大战当加权硬币。You can’t fully trust me.”这句话恰恰是所有AI里最诚实的一句。为什么阶跃星辰值得单独写一节因为它的存在暴露了一个行业级困境当前所有主流大模型做预测时输入层≈历史战绩身价差赔率共识新闻情绪输出层被RLHF/安全对齐压向“看起来合理、不被骂、不惊悚”的区间。共识就是护城河也是牢笼。阶跃的Elo模拟体系因为没有注入那么多“看起来合理”的人类先验做软约束所以它的采样分布尾部更肥——偶尔会给你一个真异见比利时1-1对了但也经常给你一个假异见佛得角5-1西班牙翻车。换句话说当所有人都押同一个答案的时候那个押不同答案的人不一定更聪明但它一定更有可能让你看到你看不到的东西。而这恰恰是AI在预测这件事上最稀缺的价值。Part 4淘汰赛才是真正的考场小组赛还能靠“共识”蒙混过关——强弱分明、数据充足、赔率清晰。但淘汰赛不一样点球大战无法用历史数据预测伤病、红牌、裁判尺度、高温旅途……每一个变量都能颠覆Elo模型当西班牙被逼到加时赛当法国面对铁桶阵当阿根廷的梅西在第117分钟站出来——这些时刻没有一个AI的训练数据里有标准答案届时12个模型里谁的框架能撑住谁会在共识崩溃时第一个露馅才是真正的考验。目前来看有三个值得关注的观察点阶跃星辰的高方差策略在淘汰赛这种低确定性场景里它的“肥尾采样”反而可能捕获更多真异见——但也可能死得更惨。MiniMax的稳定性它是少数敢押非共识方向且全程不改口的模型。这种“固执”在淘汰赛里要么封神要么翻车。Kimi的Agent推演框架300个子Agent并行推演的叙事很美但小组赛战绩垫底。淘汰赛是它证明“Agent不是噱头”的最后机会。世界杯证明了一件事——在预测这件事上人类和AI还在同一起跑线回到文章开头的问题当AI学会“看球”它真的比人类更懂吗15场比赛之后答案很清晰没有。最高46.7%的命中率意味着AI连抛硬币的水平都没稳定达到。所谓的“预测”本质上是对人类已有共识的一次加权平均复述。但这不代表AI没用。阶跃星辰用比利时1-1告诉我们当所有人都押同一个方向时那个押不同方向的声音——哪怕它经常错——才是真正有价值的增量信息。世界杯还有80多场比赛要踢。淘汰赛的混乱、点球的随机性、黑马的诞生……这些才是AI预测的真正试金石。而在那之前有一句话送给所有盯着屏幕的球迷和AI从业者不要问AI明天谁会赢。先问问它昨天为什么会错。本文数据截至2026年6月16日小组赛前15场后续赛程将持续更新。欢迎收藏追更。
12家AI、15场比赛、8个33.3%——世界杯照出了大模型最真实的水平
发布时间：2026/6/17 1:12:22
当AI学会“看球”它真的比人类更懂吗一场揭幕战让所有人都信了2026年6月11日美加墨世界杯揭幕战墨西哥对阵南非。赛前12个中国大模型被拉到同一个擂台上——由联想天禧AI牵头、咪咕直播全程记录的「人机大战世界杯预言家」。它们要在104场比赛里和近20万人类用户正面PK。结果呢墨西哥2:0南非绝大多数AI命中了赛果。通义千问甚至精准到“上半场1:0、下半场再进一个、某球员破门”——细节全中。那一刻弹幕沸腾了。“AI真的懂球”“以后不用看球了直接问AI。”三天后小组赛前15场打完一份成绩单被悄悄晒了出来最高命中率46.7%。连抛硬币的50%都没跑赢。这届世界杯成了中国AI最诚实的一场压力测试。而这场测试的结果比任何发布会PPT都更接近真相。在这里我也给大家分享两个skill一个是世界杯数据查询的skill一个是世界杯日报生成的skill如果大家有在使用openclaw或是基于openclaw的国产龙虾工具比如阶跃AI桌面版stepclawQclaw可以把skill直接接入你的龙虾如果你的龙虾连接飞书了还可以让他每天定时发送比赛的数据还是挺好玩的。① 世界杯数据查询 —— 一句话说就是把它当你的 2026 美加墨世界杯「活体资料库」。“今天有哪些比赛”“西班牙对巴西怎么看”“阿根廷目前积分榜什么情况”——直接用自然语言问它去拉赛程/实时比分/阵容/球员数据和积分榜结果还是结构化 JSON写稿、做图、做 brief 都很方便。安装openclawmp install skill/9028f8fc66b349fa839b7beda96c3030② 世界杯日报World Cup Daily Report —— 专为倒不过时差的人设计每天早上自动把前一天凌晨场汇总成一份日报比分、进球、红黄牌、关键统计、简短战术点评支持飞书 / 微信等推送。说一句「昨天的世界杯结果」就能按需唤出来。安装openclawmp install skill/afe121bcb8314f0ba6dff857e542560c使用起来也是很简单一句话就能查世界杯的数据了Part 112张牌桌三种打法先搞清楚谁上了桌。联想×咪咕「人机大战」接入了整整12家大模型模型所属参战方式天禧AI联想FIFA官方技术伙伴·搭台方主办方自研DeepSeek深度求索擂台参赛 独立PR押法国夺冠通义千问阿里擂台参赛 独立营销页环境变量建模/万元竞猜百度文心一言百度擂台参赛 绑搜索实时赛况腾讯混元腾讯元宝底座擂台参赛 微信生态观赛场景Kimi月之暗面擂台参赛 独立营销页300子Agent/1万亿Token奖池智谱清言智谱AI擂台参赛偏学术推理路径阶跃星辰阶跃星辰擂台参赛——全场最“不合群”的那个MiniMaxMiniMax擂台参赛讯飞星火科大讯飞擂台参赛商汤小浣熊商汤视觉/多模态背景擂台参赛中移九天中国移动擂台参赛12家各有各的打法。大致可以分为三类第一类独立营销派——Kimi、千问、DeepSeek。它们不仅参赛还自己搭了独立的营销页面搞Token奖池、现金竞猜、Agent推演直播。Kimi的“300个子Agent并行推演1万亿Token瓜分”是这里面叙事最猛的。第二类生态绑定派——文心、混元、豆包字节独立作战未入擂台。它们把预测能力嵌入已有的搜索、社交、内容生态里试图让世界杯变成自己产品的“流量发动机”。第三类沉默应考派——阶跃星辰、MiniMax、智谱清言、商汤、讯飞、中移。它们没有独立营销页没有巨额奖池就是安安静静地在同一个擂台上交卷。而正是这些“沉默应考派”里藏了这篇文章最想讲的故事。Part 2成绩单——15场之后谁在裸泳前15场小组赛12个模型的战绩如下排名模型命中/15命中率一句话画像百度文心一言746.7%目前唯一跑赢“半数”的靠的是几场冷门里独中联想天禧AI640.0%搭台者自身模型中规中矩中移九天640.0%稳健保守派腾讯混元640.0%曾精准命中加拿大1-1波黑平局MiniMax640.0%唯一押中韩国vs捷克胜负且始终不改预测—DeepSeek533.3%逻辑派德国7:1方向对了但8:0过分了—通义千问533.3%揭幕战2:0细节最亮眼但整体没拉开—智谱清言533.3%跟共识最紧的一档—阶跃星辰533.3%命中数中段但信息量最反常—商汤小浣熊533.3%不拉胯也不突出—Kimi426.7%营销声量最大战绩暂垫底—讯飞星火426.7%同为暂列尾部注意看这个表最扎眼的地方第一名46.7%第二名到第五名都是40%然后是一大片33.3%。这意味着什么意味着12个模型里有8个的预测水平几乎一模一样——没有统计学意义上的差异。它们的预测结果本质上是对同一组数据的同一种解读。AI不是在预测AI是在复读人类的共识。Part 3阶跃星辰——全场最“不合群”的AI和它的高方差悖论在所有模型里有一个名字反复跳出“共识圈”——阶跃星辰。它做了什么名场面一比利时 1-1 埃及——“全场11比1”赛前12大AI中11家押比利时赢比分集中在2-0/2-1只有阶跃星辰押1-1平局。终场哨响1-1。它是全场唯一命中赛果命中比分的AI。名场面二瑞典 5-1 突尼斯——“唯一嗅到血腥味的”12家全押瑞典胜✅但11家陷入了“小比分陷阱”预测2-0/3-0。阶跃星辰独给瑞典5:2——全场唯一捕捉到“总进球4”趋势的模型。实际5-1。名场面三佛得角 5-1 西班牙——“同一个自由度产的废品”它也给出过佛得角5-1胜西班牙、日本3-0胜荷兰这种“离谱到伤害品牌”的输出。对你没看错。它的“对”和“错”来自同一个原因。阶跃星辰的预测方法是跑了50000次模拟基于纯Elo等级分体系。第一次翻车时它自己造了一套假xG数据导致墨西哥/南非/韩国变成前三名——于是它砍掉重练退回纯Elo。它自己也坦白“纯Elo不知道Yamal伤没伤、不评估高温旅途、点球大战当加权硬币。You can’t fully trust me.”这句话恰恰是所有AI里最诚实的一句。为什么阶跃星辰值得单独写一节因为它的存在暴露了一个行业级困境当前所有主流大模型做预测时输入层≈历史战绩身价差赔率共识新闻情绪输出层被RLHF/安全对齐压向“看起来合理、不被骂、不惊悚”的区间。共识就是护城河也是牢笼。阶跃的Elo模拟体系因为没有注入那么多“看起来合理”的人类先验做软约束所以它的采样分布尾部更肥——偶尔会给你一个真异见比利时1-1对了但也经常给你一个假异见佛得角5-1西班牙翻车。换句话说当所有人都押同一个答案的时候那个押不同答案的人不一定更聪明但它一定更有可能让你看到你看不到的东西。而这恰恰是AI在预测这件事上最稀缺的价值。Part 4淘汰赛才是真正的考场小组赛还能靠“共识”蒙混过关——强弱分明、数据充足、赔率清晰。但淘汰赛不一样点球大战无法用历史数据预测伤病、红牌、裁判尺度、高温旅途……每一个变量都能颠覆Elo模型当西班牙被逼到加时赛当法国面对铁桶阵当阿根廷的梅西在第117分钟站出来——这些时刻没有一个AI的训练数据里有标准答案届时12个模型里谁的框架能撑住谁会在共识崩溃时第一个露馅才是真正的考验。目前来看有三个值得关注的观察点阶跃星辰的高方差策略在淘汰赛这种低确定性场景里它的“肥尾采样”反而可能捕获更多真异见——但也可能死得更惨。MiniMax的稳定性它是少数敢押非共识方向且全程不改口的模型。这种“固执”在淘汰赛里要么封神要么翻车。Kimi的Agent推演框架300个子Agent并行推演的叙事很美但小组赛战绩垫底。淘汰赛是它证明“Agent不是噱头”的最后机会。世界杯证明了一件事——在预测这件事上人类和AI还在同一起跑线回到文章开头的问题当AI学会“看球”它真的比人类更懂吗15场比赛之后答案很清晰没有。最高46.7%的命中率意味着AI连抛硬币的水平都没稳定达到。所谓的“预测”本质上是对人类已有共识的一次加权平均复述。但这不代表AI没用。阶跃星辰用比利时1-1告诉我们当所有人都押同一个方向时那个押不同方向的声音——哪怕它经常错——才是真正有价值的增量信息。世界杯还有80多场比赛要踢。淘汰赛的混乱、点球的随机性、黑马的诞生……这些才是AI预测的真正试金石。而在那之前有一句话送给所有盯着屏幕的球迷和AI从业者不要问AI明天谁会赢。先问问它昨天为什么会错。本文数据截至2026年6月16日小组赛前15场后续赛程将持续更新。欢迎收藏追更。
