GPT-6 Astra 国际象棋实测:1320/1500 档全胜,1700 档两连败
stayhappyenjoylife · reddit · 2026-09-08
作者用 Stockfish 18(UCILimitStrength、每步固定 20 万节点预算)对 GPT-6 Astra 做了六盘完整对局测试:模型每轮获得当前局面 FEN,但没有引擎、合法着法列表、开局库、残局库、联网、代码执行或任何外部工具。
结果:Astra 在 1320 和 1500 限制档各赢两盘(4-0),在 1700 档连输两盘(0-2)。复盘 1700 对局时,Astra 一度达到 +4.22 优势,随后逐渐吐回并出现决定性失误。作者明确提示:limiter 档位不等价于同分人类棋手的 Elo,六盘也无法给出正式等级分;每轮喂 FEN 的设定只测「给定局面的决策能力」,不证明模型能凭空记住整个棋盘。
另有预注册的可靠性测试:160 次响应中 159 次合法且格式正确,各条件间无显著差异。PGN、prompt、原始输出、方法论与冻结基准快照全部公开于 GitHub 的 blunder-zero-ai-chess-benchmark 仓库(分析由作者自建的 Blunder Zero 项目生成,未夹带推广)。
「模型」频道最新
- 开发者实测 Sol 与 Opus 5.5：指令遵循与速度差 3.5 倍 — lucasmeijer · 2026-10-26
- Fern 团队提出「上下文即智能」:预测精度随上下文增至 1000 万 token 持续提升 — bneyshabur · 2026-10-26
- Mirendil 发布首个自研预训练模型 Fern,上下文最长 1000 万 token — bneyshabur · 2026-10-26
- 网友发现 Claude 疑似上线专用翻译界面 — BLCNYY · 2026-10-26
- 用户实测 GrokBot:订机票、网购全被拦,几乎办不成事 — lucasmeijer · 2026-10-26
- 售卖机基准新观察：Sol 5.6 被指最激进、最常违约 — xuanalogue · 2026-10-26