【体育头条】15场小组赛后，世界杯成了中国AI最诚实的考场

15场小组赛后，世界杯成了中国AI最诚实的考场

一张世界杯预测排行榜，正在变得比很多大模型评测基准更容易被公众理解。

咪咕视频与联想集团联合发起的“世界杯预测人机大战”进行到第15场，12大AI模型的阶段成绩已经浮出水面：百度文心7场命中，胜率46.7%，暂列第一；联想天禧AI、中移九天、腾讯混元、MiniMax均为6场命中，胜率40.0%，处于领先梯队；

DeepSeek、通义千问、智谱、阶跃星辰、商汤小浣熊均为5场命中，胜率33.3%；Kimi和讯飞星火均为4场命中，胜率26.7%。

这组数据本身并不复杂。真正值得关注的是，它把一个更大的问题推到了台前：当大模型走出实验室评测，进入一个有真实结果、有公开对照、有持续验证的公共场景时，各家模型的表现会呈现出怎样的差异？

世界杯正在给出一个足够诚实的答案。

各家都在预测，但只有同一张答卷才能比较

世界杯开赛前一周，中国AI行业围绕世界杯的营销战已经打响。

Kimi在世界杯前下场。6月8日，月之暗面宣布调度300个子Agent组成“Agent集群”，从战术、球员、伤病、赛程、舆情、天气、心理、赔率等多个维度，对104场比赛逐场做赛前预测和赛后复盘，并发布了系统性的预测报告。配合“万亿Token”瓜分活动，Kimi也给出了一个有强传播力的自我提示：“我们的预测很可能是错的。”

千问紧随其后。阿里在6月11日上线“足球预测AI助手”，面向用户开放，强调引入球队、球员之外的环境变量，包括美加墨三国的地貌、海拔、湿度和比赛日天气数据。同时，“千问球场计划”把竞猜积分与乡村学校足球场捐建挂钩，把世界杯预测与公益传播结合起来。

DeepSeek、智谱、百度文心、讯飞星火、商汤等模型，也都以不同方式进入世界杯预测场景。整个行业都意识到了同一件事：48支球队、104场比赛、39天赛程、全球关注，这几乎是2026年最天然的AI公共展示舞台。

但问题也随之出现：各家各做各的，外界很难比较。

一个用户想知道DeepSeek和Kimi谁猜得更准，需要分别去不同平台查预测，再手动对照赛果。放到104场比赛的体量里，这件事几乎不现实。更重要的是，各家预测的发布时间、呈现格式、分析维度和复盘口径并不统一，缺少同一张答卷，也就很难形成真正的横向比较。

事实上，早在Kimi、千问单个模型下场之前，联想集团与咪咕已经攒起了全球首个多AI同台进行世界杯预测的局。

这场由咪咕与联想天禧AI联合发起的世界杯预测人机大战”中，DeepSeek、Kimi、千问、百度文心、腾讯混元、智谱、MiniMax、阶跃星辰、讯飞星火、商汤小浣熊、中移九天等国内主流大模型，与天禧AI自身放在同一张页面上，对每场比赛给出统一格式的胜平负和比分预测。所有预测赛前同步展示，赛后即时验证，全程公开记录。

这不是技术上最复杂的方案，却可能是传播上最有效的方案：它让“AI谁更懂球”这件事，从各说各话，变成了同场考试。

技术方案越复杂，就一定越准吗？

15场数据已经足够让人看到一些反直觉的结果。

Kimi拿出了行业里最重的世界杯预测方案之一：300个Agent集群并行推演，覆盖战术、赔率、心理、天气等多个分析维度。从技术复杂度和资源投入看，这几乎是本届世界杯AI预测赛道中最“豪华”的配置之一。

但15场过后，Kimi阶段成绩为4场命中，胜率26.7%。

通义千问引入了地貌、天气等环境数据。这些维度理论上能补足传统足球分析中容易被忽略的变量。但15场过后，通义千问5场命中，胜率33.3%。

反观联想天禧AI，它没有把传播重点放在“调用了多少Agent”或“纳入多少维度”上，而是以超级智能体的方式给出自己的判断，同时把其他11家模型的判断一起放进同一个可验证场景。15场过后，联想天禧AI6场命中，胜率40.0%，位于领先梯队，与榜首只差一场。

这组对比并不能简单推出“复杂架构无效”的结论。15场样本仍然有限，足球预测本身也高度依赖偶然性。但它至少提出了一个值得讨论的问题：在足球预测这样强不确定性的场景里，更多Agent、更复杂维度，是否一定能转化为更高命中率？

至少从阶段结果看，答案并不确定。

这也是世界杯作为AI验证场景的独特之处。它不关心模型讲了多少推理链条，也不关心预测报告写了多少页。最终，只有一个问题：终场比分是否站在你这一边。

平局盲区：12个模型共同遇到的难题

15场比赛，已经出现6场平局，平局率达到40%。

这一比例显著高于世界杯小组赛常见的平局水平，也对AI阵营形成了系统性考验。在6场平局中，12大AI合计只有4次命中赛果：腾讯混元、Kimi、讯飞星火命中加拿大1-1波黑，阶跃星辰命中比利时1-1埃及。

换句话说，AI在平局场景中的命中率，明显低于它们在非平局比赛中的表现。

强弱分明的比赛里，AI表现并不差。例如德国7-1库拉索、瑞典5-1突尼斯等比赛，多数模型甚至能够全部命中胜负方向。但一旦比赛进入平局、低比分、门将发挥、临场失误和节奏拉扯共同作用的场景，模型就很容易失准。

这并非某一家模型的个体问题，而是多个模型共同暴露出的难题。

为什么大模型不擅长预测平局？一个可能的解释是，足球语料天然偏向“胜负叙事”。赛前分析、赛后报道、球迷讨论、历史战绩数据库，往往围绕“谁赢了”“谁更强”“谁爆冷”展开。平局在真实比赛中并不罕见，却很少成为叙事中心。

另一个可能的解释，是推理框架的惯性。当模型被要求预测一场比赛时，它往往会从排名、身价、阵容、历史交锋等维度出发，最终回答“哪一方更有优势”。这更接近一个排序问题。

但平局不是简单的排序结果。它意味着两支球队在90分钟里的机会、失误、节奏、心理和偶然性，最终抵消了纸面差距。这要求模型不仅判断谁更强，还要判断优势能否转化为胜利。后者是更复杂的概率校准问题。

这正是“世界杯预测人机大战”作为公开实验的价值所在：它不只展示AI何时正确，也暴露AI在哪些场景下最容易失准，而且这种暴露是持续的、可追踪的、不可回避的。

AI需要一个世界杯

过去几年，中国AI行业的能力验证主要依赖三类方式：基准测试、产品数据和事件营销。

基准测试可以给出标准化分数，但离真实使用场景较远；产品数据能体现用户规模和调用量，却难以横向比较；事件营销容易形成传播爆点，但往往只有一次性结论。

世界杯提供了一种完全不同的验证框架：真实场景、统一题面、持续验证、公开结果、全民参与。

104场比赛，每一场都是一道新题；每一道题都有确定答案；所有参与者面对同一张试卷；每一次判断都会在终场哨响后被检验。这种场景对AI行业来说极其稀缺。

这也是联想集团选择在世界杯上发起“人机大战”的深层逻辑。

“世界杯预测人机大战”面向消费者、球迷和普通公众。很多人可能并不关心模型参数、推理成本和评测分数，但他们一定能理解“这场球谁会赢”“AI猜得准不准”。

让12大AI在世界杯赛场上接受公开验证，让AI的能力和局限被更广泛的人看到、讨论、参与，这件事的价值正在随着赛事推进不断放大。

Kimi的预测报告很专业，通义千问的环境数据很新颖，百度文心暂时领跑，联想天禧AI处于领先梯队。它们各有特点。但这些差异，只有在同一张答卷上，才真正能被看见。

当很多AI公司都在各自舞台上展示能力时，联想做了一件更接近“基础设施”的事：搭建一个共同舞台，让赛果来当裁判。

89场比赛还在后面

15场，只完成了全部赛程的一小部分。小组赛还有大量比赛，淘汰赛也将在后续展开。比赛形态会从“强弱对话”，逐渐转向“强强对决”和“生死战”。这些新场景中，AI的表现是否会发生变化？平局率是否会回归常见水平？当前排名是否会被改写？

现在下最终结论还为时过早。

但15场数据已经足够说明一件事：AI行业需要的不只是更大的参数、更多的Agent和更复杂的数据维度，也需要一个真实、持续、公开的验证场景，让能力被看见，也让局限被看见。

世界杯恰好是这样一个场景。

而联想集团联合咪咕，搭建了这个让12大AI同场接受检验的平台。

这可能是“世界杯预测人机大战”进行到15场后，给中国AI行业留下的最重要启示。

打开咪咕视频APP搜索人机大战，登录联想天禧AI相关入口，即可参与世界杯预测人机大战。6月24日起，咪咕视频与联想集团联合出品的《人机大战：谁是世界杯预言家》将在咪咕视频正式开播，敬请期待。