OpenAI的GPT-6 Astra现在已经能够与强大的人类棋手完整、连贯地下完一盘国际象棋。在最近的一盘测试对局中，该模型执白，沿着尖锐的开局理论行棋，布下了一个看似有意为之的陷阱，并在引擎评估中建立了最高+3.5的优势。但它最终还是输了。中局几步关键棋的错失让黑方在王翼组织起攻势，一次弃后最终以将杀结束了对局。这一结果很能说明语言模型推理目前所处的位置：它已远远超越几年前混乱不堪的聊天机器人下棋水平，却仍看不到某些进攻模式。
从违规走法到真正下棋
三四年来，普遍的看法是，大语言模型（LLM），也就是ChatGPT等聊天机器人背后的AI，根本下不了国际象棋。早期ChatGPT与专用国际象棋引擎Stockfish的对局一度荒腔走板：聊天机器人走出违规着法，棋子凭空出现或在棋盘上乱跳。聊天机器人之间的比赛也常常在一连串随机昏着中草草收场。
GPT-6 Astra似乎打破了这一局面。在这盘棋中，它：
- 没有走出违规着法，也没有凭空变出棋子
- 没有因随机昏着白白丢子
- 在多个尖锐的开局局面中找到了引擎的最佳着法
- 吃下对方送出的兵，并将其转化为稳固的两兵优势
- 至少走出了一步看起来像是有意设置陷阱的棋
但仍有一个问题悬而未决：Astra的开局着法究竟是自己计算出来的，还是调用了模型内部储存的开局知识，目前尚不清楚。
为检验真实计算力而选的尖锐开局
黑方有意选择了一种更看重计算而非记忆的开局：法兰西防御，而且是以尖锐著称的维纳维尔变例（Winawer Variation）。目的是制造不平衡的局面，看看模型能否评估局面，而不是背诵着法。
| 回合 | 白方（GPT-6 Astra） | 黑方 | 作用 |
|---|---|---|---|
| 1-2 | e4, d4 | e6, d5 | 法兰西防御典型的中心对峙 |
| 3 | Nc3 | Bb4 | 维纳维尔变例，牵制白方的马 |
| 4-5 | e5, a3 | c5, Bxc3+ | 白方扩张空间，黑方冲击兵链 |
| 6 | bxc3 | Ne7 | 白方留下c线叠兵 |
| 7 | Qg4 | 瞄准g7兵的进攻性理论着法 |
- Qg4常常导向所谓的“毒兵”变例，以双方都充满激烈战术而闻名。黑方偏离主线，走后到a5将军，迫使模型自己思考。Astra从容地以Bd2应对，守住了c3格。随后黑方以Nc6出子并故意放弃g7兵，Astra用Qxg7吃掉，接着又以Qxh7吃下第二个兵。
黑方的计划是利用开放线攻击尚未易位的白王。但面对引擎，这样送出两个兵很难站得住脚，黑方后来也承认这次弃兵带有投机性质。黑方后翼易位后，Astra找到了引擎首选的13. Qd3，把后调到中心并提出换后，以化解黑方的反击。
14. Be2的陷阱
最引人注目的一步紧随其后。Stockfish更推荐14. h4，而Astra的14. Be2乍看之下似乎干脆放弃了对g2兵的保护。但如果黑车在g2吃兵，白方就可以用Ng5攻击f7，同时切断车的退路。这一步看起来是有意设下的陷阱，而不是疏忽。黑方察觉到危险，没有上钩。
▲ 针对入侵黑车的马的陷阱
优势是如何溜走的
领先两兵的Astra本有几次机会锁定胜局，却都错过了。
- 易位而不是Bg5。 Bg5本可以封住黑车的活动，并为后腾出退往d1的通道。走这步棋的话，黑方的局面很可能已无希望。Astra选择易位后，黑方挺进c4，并以Qxc2夺回一兵。凭借双象和更快的进攻路线，白方仍保持约+3的评估优势。
- g3而不是Nh4。 为阻止h线上的将杀威胁，Astra走了g3。Nh4则可以迫使换后，或把黑后赶到别扭的位置。这里适用一条国际象棋基本原则：子力领先的一方通常应当换后，以消除对手的反击手段。
- Bb4而不是c5。 Astra以c4打开中心，这一选择积极但也是双刃剑。正确的后续是c5，它可以封锁斜线，把黑方的白格象排除在战斗之外。Bb4松开了这种控制，评估随之大幅摇摆。
黑方同样有失误。把马走到棋盘边缘的a5浪费了时间，Astra随即以Bd1回应。不过这步应着也有代价，因为它换掉了白方需要的一只象。白方七个兵全部位于黑格，这使白方的黑格象成为被己方兵阻挡的“坏象”，而白格象则是可以自由活动的“好象”。放弃好象，会削弱所有该颜色的格子。
黑方如何扭转局势
黑方利用开放的h线，以及与后指向同一方向的白格象，对白王发起攻击。在这个局面中，常规的子力价值已不能说明全部问题。象通常算3分，车算5分，但在这里，活跃的黑象价值至少4分，而被动防守的白车则降到约4到4.5分。
终局过程如下：
- 黑方走Qh5，威胁Rg4。Astra发现了对被牵制之车的威胁，将其撤到c8，此后所有引擎评估都显示黑方取得决定性优势。
- 黑方把车调到g4，将白后逼回d2。
- 黑方走Nxd4。用后吃马会因闪击而丢后，于是Astra改用其他子吃掉了马。
- 黑方以Qxh2+弃后。Kxh2之后，Rh4+把王赶到g1，Rh1将杀。
即便选择Kf1这样的防守，也仍会在猛烈的攻势下落败。Astra在中局建立了胜势，却没有看清在自己王周围逐渐成形的进攻模式。
▲ 终结对局的弃后
下得慢，自评也偏低
这盘棋大约下了一个半小时。在复杂局面中，Astra有时一步棋要想两到三分钟，对局过程中还需要几次重新开始。
赛后，Astra自己写了一份对局总结。它把黑方的表现评为Chess.com快棋等级分1400到1700，把自己的表现评为1000到1300。它还指出了自己的失误：让车遭到串击，以及走Kxh2步入强制将杀。考虑到它许多着法的质量，这些评分看起来明显偏低，说明模型的自我评估还不可靠。
这盘棋说明了什么，以及如何利用
| 方面 | 结果 |
|---|---|
| 规则 | 没有违规着法或随机昏着 |
| 开局 | 在尖锐理论中找到引擎首选着法 |
| 最大优势 | 引擎评估+3.5 |
| 弱点 | 错过Bg5和c5，没有看出将杀攻势 |
| 速度 | 每盘约90分钟，难点每步两到三分钟 |
| 自我评估 | 对自己表现的评分远低于实际水平 |
GPT-6 Astra已经成为一个称职的国际象棋对手，但尖锐的进攻仍可能让它崩溃。可以这样利用这盘棋的启示：
- 想测试AI模型的推理能力， 就稍微偏离知名的开局变化或教科书例题，让它不得不计算，而不是回忆。
- 如果把Astra当作练习对手， 应避开自己不熟悉的开局。它会很快惩罚开局阶段的投机下法。
- 把模型的自我评分和评估当作粗略参考。 在信任其判断之前，先用专业引擎核实。
- 做好慢棋的准备。 每盘约90分钟，它更适合深入分析，而不是快速练习。