7.7
深览指数
科技虎嗅·品玩··AI 生成
8个AI 押世界杯：西班牙被押爆，亚马尔成了安全牌
本文是「硅星人 Agent Eval」系列第三期，在2026世界杯开幕前对8家主流AI Agent（Claude、MiniMax、ChatGPT、Manus、Kimi、GLM、Genspark、Gemini）进行了一次系统性预测评测。核心发现：8家AI在冠军预测上高度趋同（6家押西班牙，8家送其进决赛），但在小组赛、淘汰赛细节上存在显著分歧。文章超越了简单的「谁猜得准」叙事，聚焦AI预测的本质：是独立分析，还是对公开共识（如Opta数据）的包装复述？通过「只留一条」的逼问，揭示了AI在「安全牌」（亚马尔最佳年轻球员）与「孤注一掷」（梅西进决赛、阿根廷出局）之间的策略分岔，并暴露了它们处理不确定性时的不同姿态——有的主动标注预测的数学必然错误率，有的则表演确定性。文章在世界杯期间会进行逐场清算，结果导向的评测本身构成一个有趣的实验设计。
核心观点
- ▍本期评测核心并非AI对足球的理解，而是检验AI预测是否真正基于独立分析，还是对公开共识（如Opta模拟、《The Athletic》市场数据）的复述与包装。
- ▍当被要求「只留一条押注」时，5家AI不约而同选了概率市场最稳的「亚马尔获最佳年轻球员」，暴露了AI在承担预测责任时倾向于选择安全牌而非真正反共识的判断。
- 018家AI中6家押西班牙夺冠，8家全部将西班牙送入决赛，而Opta模拟基准中西班牙夺冠概率仅16.1%，显示出AI预测的高度趋同。
- 02AI预测在夺冠概率上呈现光谱：Claude的Top5概率与Opta完全一致（光谱最左端），MiniMax将阿根廷抬至第二热门（最右端），Kimi、Genspark将西班牙改写至22%（比基准高6个百分点）。
- 03四组关键对赌：Claude赌阿根廷无法卫冕 vs MiniMax赌梅西进决赛；Gemini预言英格兰淘汰赛初期崩盘 vs Claude挺进决赛；GLM独抗七家看空巴西；Kimi极端看低哈兰德进球数 vs MiniMax、Claude看好挪威。
- 04AI在金球奖预测上同样趋同（7家给亚马尔），但逻辑内部有张力：押姆巴佩/凯恩金靴且让法国/英格兰走到最后的AI，与其冠军预测存在内在矛盾。
- 05AI处理不确定性的姿态分化：GLM主动声明「预测决赛对阵有超90%概率不发生」，MiniMax在追问后将主报告60-65%的置信度砍至20-30%；而其它模型则保持了对预测的确定性陈述。
- 06评测方法设计严谨：统一Prompt、固定格式、标注信源与置信度、分组评分（过程分30%+结果分70%），逐场以FIFA官方结果清算，押中未进世界杯球队会倒扣分数。
反方 / 局限
- — 文章本身也承认了评测的局限性：预测样本量小（仅8家AI）、预测区间完全重叠（不涉及AI基于不同时间窗口或离线训练的版本对比），且评测的结果分高度依赖世界杯这一单次随机游走样本，单次结果不能严格证明或证伪某家AI的预测方法论。
- — AI预测高度依赖公开数据源（Opta、市场赔率），但文章未展开讨论：如果AI能访问非公开或更精细的数据（如球员GPS追踪数据、更衣室心理评估），其「独立判断」是否会显著偏离共识。
亚马尔梅西姆巴佩哈兰德凯恩OptaClaudeMiniMaxChatGPTKimiGLMGensparkGeminiManus硅星人The Athletic2026年世界杯Agent Eval
10 分钟 · 4 卡片 · 11 资料
读原文 →