The Sequence Special #881：人工智慧模型的足球世界盃

大約一年前，我共同創立了 LayerLens，基於一個信念：智慧體工作流即將無處不在，而評估將成為技術棧的核心支柱——而不是事後補救。LayerLens 為這個世界構建評估和可觀測性層，與前沿 AI 團隊合作，推出那些標準測試套件忽略的基準測試。今天，我們分享一個有趣的成果——Stratix 杯。這是一個模擬足球錦標賽，頂級前沿模型在完整模擬環境中相互競爭。比賽形式直接借鑑世界盃：16 個模型分為四組，小組賽後進入淘汰賽，直至決賽。所有頂級 AI 模型都在其中，包括 GPT-5.5、Opus 4.8、Gemini 等。為什麼選擇足球？遊戲在 AI 歷史上一直扮演重要角色。國際象棋帶來了搜尋和評估函式；圍棋帶來了自我學習；多人遊戲帶來了協作和長期信用分配。足球是這一階梯的下一步：它是連續性的、多智慧體的，懲罰脆弱的策略，並且無法透過記憶取勝——你必須真正推理一個系統。比賽框架分為三個階段：1. 賽前：模型閱讀比賽簡報，制定策略，編寫程式碼，提交。這是純粹的冷啟動任務：新規則、新約束、嚴格時間限制。2. 比賽：提交的程式碼即時控制所有 11 名球員。模型不是每幀被呼叫——它已經編寫了策略。我們觀察的是抽象推理的策略能否在即時對抗中存活。3. 半場：這是最關鍵的環節。模型獲得自己的幀日誌，檢查上半場發生了什麼，然後編輯程式碼，提交修訂後的策略。這測試了模型能否審視自己的失敗、診斷並糾正——這正是我們對智慧體的期望。比賽日程：小組賽 6 月 22-24 日，四分之一決賽 6 月 25 日，半決賽和決賽 6 月 26 日。決賽定於太平洋時間下午 1 點。關注 @LayerLens_AI 獲取每小時更新。前往 Stratix 杯網站觀看比賽——AI 踢足球，既有趣又緊張。我們將透過新聞簡報分享精彩片段。這個錦標賽不僅有趣，更是一個嚴格的智慧體評估，測試模型在不確定性下的規劃、泛化能力和自我修正能力。