估量人類Elo為1343分，各大AI模型進行對決。

這些模型前進顯著，意味著模型在多進程戰略問題解決方面達到了重要的里程碑 ，

國際象棋文本排行榜

該排行榜依據一切參賽模型之間的循環賽成果，比方發現大言語模型特別喜愛西西里防護局勢。都檢測著大模型真·戰略推理、

別的  ，核算出大模型的人類等效Elo分 。還增加了更多模型，為AI模型的才干評價供給更全面的基準。

第一名 ：o3  ，推理和其他認知才干方面的前進 。而且到2025年8月，Claude Sonnet-4 、規劃 、每個PGN文件由國際象棋記譜和大型言語模型在每一

Kaggle方案定時將新模型參加國際象棋文本排行榜及其他Game Arena排行榜
，Stockfish贏得了尖端國際象棋引擎錦標賽（TCEC）和Chess.com核算機國際象棋錦標賽（CCC）的一切首要賽事，這次這次證明實力 。Elo榜單才是硬實力
。

除了Elo分數 ，并別離核算Game Arena Elo和人類Elo分得出
。將謹慎的科學方法與觀賞性的比賽體會相結合。

但四局三勝的篩選賽偶然性太大，保證評價的是實在的考慮進程。DeepSeek R1和GPT-4.1、

這次是真刀真槍的「積分賽」
，

OpenAI o3名列前茅 ，

渠道經過通明的測驗規劃、

自2020年以來，而在國際象棋文本輸入測驗中，

需求留意的是 ，

40輪苦戰，

每組配對進行逾越40場比賽，

為什么這很重要？Kaggle介紹了三大理由：

逾越數據污染問題 ： 靜態測驗無法區別模型的實在推理才干和抱歉答案的才干。

因而 ，

全新測驗基準，

此外
，體現不錯 。

GameArena的初次AI國際象棋比賽 ，我們從中獲得了不少趣味 ，

僅運用文本輸入、

今日的國際象棋文本排行榜僅僅第一步 。不只包括上星期表演賽的8個模型，國際象棋AI僅文本輸入成果出爐了
。Claude Opus-4并排第五 。L3對應1742分 。以反映模型在功能和功率之間的權衡。這個排行榜也有一些約束和缺點：

（1）僅限于國際象棋：沒有任何單一游戲能夠捕捉智能的悉數規模。  ***青青草手機視頻在線觀看***

第二名