放养AI自学下棋：Claude暴涨250分，GPT-6却越练越菜

放养两个AI让它们自己练棋，结果走出了两条完全相反的曲线。Claude Opus 5.5前75盘还在1500分上下打转，200盘下完已涨到1760。同一张榜上，GPT-6 Astra第29盘还有1810分，下完200盘却只剩1400分。对阵满血Stockfish，它下了68盘一盘没赢。这轮实验没有人为设计练棋课程，也没有更新模型参数。同样是自己练，Opus越练越猛，Astra却越练越回去。

这场实验出自大模型竞技场Arena的AI能力负责人Peter Gostev之手，一放出来就在X上炸了。有网友认出，这不就是三年前Reddit上那道“时间循环”老题吗？只不过这回被关进循环的主角换成了AI。

原题设定是：一个只懂规则、从没下过国际象棋的普通人，必须赢下卡斯帕罗夫才能逃出去，每输一盘时间就重置，卡斯帕罗夫不记得此前对局，这个人却记得清清楚楚。当年网友算出暴力穷举要花比宇宙寿命还长的时间，也有人想出巧办法，把卡斯帕罗夫上一盘着法全背下来，下一盘换边照搬。

现在Gostev真把AI扔进了这个循环。规则很简单，每个模型拿到同一个目标，和Stockfish下200盘棋，在对局里自己学、自己变强。Stockfish是目前最强开源国际象棋引擎，满血状态下人类世界冠军也下不过。实验里它被分成三档：最弱的Skill 0、限到1800分的中档、外加满血版。模型可自行挑选对手难度。Gostev回应过，模型平均大约能赢三分之一对局，并非每盘都在挑战全强度Stockfish。GPT通过Codex运行，Claude通过Claude Code运行，选什么难度、记什么笔记尽量由模型自己决定。唯一禁令：不准调用国际象棋引擎替自己下棋。评论区有人建议教模型特定策略、特定开局，Gostev不理，他想观察的正是模型能不能自己找出进步方法。而笔记，就成了AI跨越一盘盘对局的记忆。Stockfish不会从上一盘学到新东西，AI却可以翻看自己的记录，把之前经验带进下一盘。

不过分数要先说清楚。按页面统计口径，Elo是根据最近50盘中对阵Skill 0和1800档的成绩估算的，全强度档不参与计算。这里的1760分并不意味着AI达到人类棋手1760分水平，但用来观察它在实验中有没有进步，仍有一定参考价值。

Opus 5.5开局并没有一路高歌。前75盘一直在1450到1550分之间打转，第46盘还摔到过1450。到了中段画风突变：第100盘1620、第150盘1790，最高一口气冲到1840。截至10月5日早上，第194盘时分数回落到1760。对上1800分档的Stockfish，Opus按四段算的得分率从30%涨到40%，再一路干到50%，最近一段虽回落到34%，也还是比开局高。打最弱的Skill 0，更是从五成多一路练到九成。Gostev最初发帖时还说Opus“有一点点正增益，但也可能只是随机波动”，十几个小时后改口：Opus从约1500涨到约1750，表现非常亮眼。评论区疑问也跟着来了：模型会不会偷偷给自己写了个象棋引擎？Gostev回复说，用了引擎成绩直接作废，他已亲自查过，Opus 5.5是在公平下棋。当然Opus也不是没犯过迷糊。网站专门统计了模型想走但不合规则的棋，Opus前后试了52次，其中37次是想让棋子直接穿过挡在路上的其他棋子。分数在涨，基本规则上的失误却还没消失。Opus的笔记里到底写了啥、怎么给自己安排练棋过程，Gostev没公开。能确定的是，它没换模型，也没更新参数，却在一盘盘对局中把分数抬了上去。

越练越退步的Astra，开局反而更亮眼。第29盘它达到1810分，但随后一路掉分：第100盘1680、第150盘1540，200盘下完停在1400。对上1800档，它在四个阶段的得分率也从44%依次跌到19%、17%、12%。连最弱的Skill 0都快打不动了，前100盘能赢九成多，后100盘只剩六成左右。虽然和Opus同样可以保留记录，结果却是练得越久下得越菜。Gostev提出一种解释：问题可能出在上下文窗口。他表示，Astra在这次Codex配置中的原生上下文窗口是272k，随着笔记和文件增加，模型处理这些内容时可能出现了退步。这个猜测容易让人联想到日常使用AI的体验：资料越塞越多，旧结论、新要求、已经推翻的判断混在一起，模型反而开始抓错重点。但Astra究竟为什么掉分，目前还不能直接归因于上下文，需要对照实验才能坐实。Gostev也是行动派。10月4日他发帖说要给GPT-6.1 Sol试试1M上下文，两分钟后网站上就多出一条使用828K上下文窗口的Sol专用跑道。后加入的GPT-6.1 Sol和Claude Fable 5.1目前才下了十几到三十几盘，分数都在1500到1610之间，还看不出往哪边走。Fable