预测世界杯淘汰赛，不同 AI 水平差这么多？

原创 | Odaily 星球日报（@OdailyChina）作者 | Asher（@Asher_ 0210）世界杯每场赛前，我都会让 AI 预测下，几乎每个模型都说得头头是道、细节满满。有的讲球队身价，有的拆小组赛数据，有的分析伤病和战术，还有的直接给出比分、加时、点球剧本。乍一看，ChatGPT、Grok、千问、DeepSeek、Gemini、Claude 都好懂球噢。但作为预测市场用户，我真正关心的不是哪个模型说得更完整，而是哪一个更值得参考。随着世界杯进入淘汰赛阶段，Odaily星球日报从首场比赛开始，在赛前用尽量相同的问题询问不同 AI 模型，并在赛后对照真实结果回看——哪些模型只是分析得像那么回事，哪些模型真的提前捕捉到了比赛走向。目前，已经结束的世界杯淘汰赛，加拿大 1:0 绝杀南非，巴西 2:1 险胜日本，德国被巴拉圭拖进点球大战后淘汰，荷兰也倒在了摩洛哥的点球下。到了比利时对塞内加尔，比赛更是踢成了 2:2 后加时逆转，直接把淘汰赛的不确定性拉满。DeepSeek 和 Gemini，靠预判摩洛哥一战封神目前最有记忆点的，还是 DeepSeek 和 Gemini 对荷兰 vs 摩洛哥这场的预测。这场赛前其实很容易站错队——荷兰纸面实力更强，阵容也更完整，很多模型都知道摩洛哥不好踢，但最后还是更相信荷兰能过关。DeepSeek 和 Gemini 厉害的地方在于，它们没有停在“这场会很胶着”这一步，而是把后面的剧本也写出来了。Gemini 赛前直接给出常规时间 1:1，点球大战摩洛哥胜。结果比赛真的踢成 1:1，最后摩洛哥点球 3:2 淘汰荷兰。不是只猜对方向，而是连比赛会怎么被拖进点球、最后谁笑到最后，都基本对上了。Gemini 预测荷兰对阵摩洛哥的比赛DeepSeek 也很接近。它判断这场常规时间大概率会是 1:1 或 0:0，比赛可能一路拖到加时甚至点球，并倾向摩洛哥靠防守和反击爆冷晋级。Deepseek 预测荷兰对阵摩洛哥的比赛这一场之后，DeepSeek 和 Gemini 的存在感直接拉满。尤其是 Gemini，这次不像是在做赛前预测，更像是提前看过了比赛剧本。Grok 和千问连续命中具体比分，稳定性比想象中更强除了 DeepSeek 和 Gemini 在摩洛哥这场打出高光，Grok 和千问也不是没有存在感。它们最亮眼的地方，是在一些胜负方向相对清晰的比赛里，不只判断对了晋级球队，还把具体比分也预测得比较贴近最终结果。南非对加拿大就是一个例子。赛前多数 AI 模型都看好加拿大，但分歧在于加拿大会不会轻松赢。Grok 给赛前给出加拿大 1:0 的预测，千问也给出过一球小胜。最后加拿大确实只靠 1 个进球过关，没有踢成想象中的大胜局。千问预测南非对阵加拿大的比赛巴西对日本也是类似。大部分 AI 模型都觉得巴西更强，但日本会不会把比赛咬住，才是这场的关键。Grok 和千问都预测比分会是 2:1，最后比赛也真的踢成巴西 2:1 险胜。它们看对的不是“巴西会赢”这么简单，而是日本能给巴西制造足够麻烦。科特迪瓦对挪威这场，两者同样踩得比较准。挪威有哈兰德，晋级方向不难理解，但科特迪瓦的身体对抗和边路冲击也不会让比赛变成一边倒。Grok 和千问都预测挪威 2:1 获胜，最后比分也正好落在这个”剧本“里。Gork 预测科特迪瓦对阵挪威的比赛Grok 和千问的优势，是把热门局看得更细。它们没有提前写出摩洛哥淘汰荷兰这种大剧本，但在加拿大、巴西、挪威、法国这些比赛里，胜负方向和比分落点都给得比较贴。换句话说，它们不一定最会抓冷门，但很擅长判断热门队到底是碾压过关，还是艰难小胜。ChatGPT 没有太多神比分，但比赛过程分析比较准ChatGPT 没有像 Gemini 那样提前预测出摩洛哥点球淘汰荷兰，也没有像 Grok、千问那样连续踩中几个具体比分。但它的优势——很多比赛赛前看起来是强队占优，ChatGPT 会更明显地提醒一句，这场可能没有那么轻松。巴西对日本就是例子。ChatGPT 预测巴西晋级，但没有把比赛写成巴西轻松碾压，而是提到日本的压迫、跑动和纪律性会让巴西踢得不舒服，甚至有机会先进球或追平。科特迪瓦对挪威也是类似，ChatGPT 预测挪威晋级，但提前说这不是一场轻松局，科特迪瓦的身体对抗、边路冲击和转换能力都会制造麻烦。此外，英格兰对刚果民主共和国这场淘汰赛，ChatGPT 也没有简单写英格兰大胜，而是认为比赛可能会比较闷，刚果民主共和国会用低位防守把节奏拖住。最后英格兰虽然晋级，但赢得并不轻松。ChatGPT 预测英格兰对阵刚果民主共和国的比赛ChatGPT 的长处，不在于每次都把比分预测得很准，而是经常能提前说出比赛的阻力在哪里。它很适合拿来理解比赛，但适合只看一个最终比分的预测。它能把过程说得比较准，可真正要写出大冷门时，还是少了一点决断。德国出局，成了 AI 模型的集体翻车现场如果说前面几场还能看出不同模型各自的亮点，那么德国对巴拉圭这场，就是一次集体翻车。赛前，所有 AI 模型都站在德国这边。ChatGPT、Grok、千问、Gemini、Claude 全部站在德国一边，比分预测大多集中在 2:0、3:0 或 3:1。理由也很一致：都认为德国纸面实力更强，阵容深度更好，进攻火力更足。但结果就是这场出了问题。AI 模型们低估了巴拉圭把比赛拖进泥潭的能力，德国没能在常规时间解决战斗，也没能在加时赛打破僵局，最后被巴拉圭拖进点球大战并淘汰出局。目前谁最准？从目前已经结束的淘汰赛来看，不同模型的特点开始显现。DeepSeek 和 Gemini 最有高光。它们不只是能预测巴西、法国这类热门队晋级，在更难判断的冷门场次里，也给出了很有含金量的答案。荷兰对摩洛哥这场，它们最关键的优势，是敢于提前写出摩洛哥爆冷和点球大战剧本。尤其是 Gemini，直接预测摩洛哥点球晋级，这一场确实很亮眼。Grok 和千问更像“比分型选手”。它们命中了不少具体比分，尤其在加拿大、巴西、挪威、法国这些比赛里表现不错。但问题是遇到德国、荷兰这种传统强队时，最后还是偏向热门。ChatGPT 和 Claude 则更像“分析型选手”。理由写得完整，方向大多数不离谱，也能提醒一些加时风险。但问题是，它们经常能看出比赛不好踢，却不太敢把结论写到冷门那边。荷兰对摩洛哥就是这样，明明已经看到加时和点球风险，最后还是更相信荷兰。所以，与其急着问哪个模型最懂球，不如看它们分别适合什么场景。