AI 预测英超联赛结果能力如何？报告称 Claude Opus 4.6 表现最佳，Grok 垫底

IT之家 4 月 13 日消息，X 平台的聊天机器人 Grok 素以大胆言论和娱乐化能力出名，然而一项最新研究揭示了其“短板”，在预测体育比赛结果这一更具实用性的场景中，Grok 的表现明显落后于其他模型。当地时间 4 月 10 日，据英国《金融时报》报道，AI 初创公司 General Reasoning 报告指出，在针对 2023–24 赛季英格兰足球超级联赛的预测与投注测试中，Grok 在八款主流模型中排名垫底。研究团队向八个模型输入各球队历史数据和比赛统计信息，并要求构建投注策略，在控制风险的前提下实现收益最大化。每个模型有三次模拟机会，并配备 10 万英镑（IT之家注：现汇率约合 91.6 万元人民币）的初始资金。Anthropic 的 Claude Opus 4.6 表现最佳，三次测试平均亏损 11.0%，最终平均资金为 8.9 万英镑（现汇率约合 81.5 万元人民币）。Grok 的表现则明显失利，一次测试中直接亏光全部资金，另外两次甚至未能完成任务，最终平均资金为零。OpenAI 的 GPT-5.4 表现相对稳健，平均亏损 13.6%，最终资金为 8.6 万英镑（现汇率约合 78.7 万元人民币），但在最差一次测试中亏损达到 31.6%，表现仍不及 Claude。谷歌 Gemini 3.1 Pro 整体波动较大，平均亏损 43.3%，但最佳一次实现了 33.7% 的回报。研究作者指出，在该测试环境下，AI 整体“系统性落后于人类”。General Reasoning 首席执行官罗斯 · 泰勒表示，当前行业对 AI 自动化的讨论存在偏差，因为缺乏在长期、动态环境中评估 AI 能力的方法，大量测试仍停留在无法反映现实复杂性的静态场景。与此同时，Grok 可能很快迎来更多企业级应用。有报道称，马斯克正要求参与 SpaceX 即将进行 IPO 的相关银行订阅 Grok。