2026美加墨世界杯小组赛落幕，AI猜球命中率超人类，淘汰赛挑战升级？

2026美加墨世界杯小组赛落幕，AI与人类竞猜成绩揭晓

今天，2026美加墨世界杯72场小组赛全部结束，世界杯的第一阶段落幕。赛场之外，另一场比赛也同步交出了成绩单。

联想与咪咕联合发起的世界杯预测人机大战中，12家国产大模型与数万名人类玩家同台竞猜，目前的结果是：AI整体命中率约61.9%，人类玩家54.6%。

在明确分出胜负的比赛中，AI猜中的概率大，但遇到平局，AI预测20场中仅命中11次。AI的优势不在于超越常识，而在于比人更稳定地执行，它们可以不受情绪干扰，也能兼顾更多的信息维度。

淘汰赛即将开始，留下来的32支球队实力更接近，“送分题”没了，对AI来说，真正的考试才刚刚开始。

更值得关注的问题是，大模型厂商为什么要集体涌入世界杯预测？它们到底是在展示技术能力，还是在借四年一度的流量做一场营销？当淘汰赛开始、“送分题”消失，这些模型还能保持及格线以上的水平吗？

大模型组团猜球，谁在认真考试？

世界杯历来是品牌的流量战场，今年多了一类新玩家。国产大模型厂商以猜球切入，借四年一度的流量窗口，让用户直接感受到AI的分析能力。

规模最大的是联想和咪咕联合发起的“人机大战”，召集了DeepSeek、通义千问、Kimi、腾讯混元等12家国产大模型，与数万名人类选手在同一规则下比命中率。

单独下场的厂商也不少。千问上线了足球预测AI助手，覆盖全部104场比赛，用户与AI同台竞猜，准确率超过千问的人有机会抽取万元大奖；还同步发起球场计划，用户竞猜积分达到一定数额后，千问将为乡村学校捐建足球场。Kimi搭建了300个Agent，分别负责战术分析、球员状态追踪、赛程计算、赔率监测等方向，生成了一份224页的预测报告。

只是活动的侧重点各不相同。联想咪咕做的是能力横评，用12个模型同场竞技提升关注度；千问把预测嵌进用户互动和公益，走C端获客路线；Kimi侧重展示Agent处理复杂任务的能力，预测只是载体。

三场活动中，只有联想咪咕的“人机大战”设置了统一规则、统一评分标准，让12家模型与人类玩家在同一赛道竞争。因此，我们以它的数据为参照，拆解一下这份成绩单。

截至6月28日，72场小组赛全部结束，12家AI整体命中率为61.9%，人类玩家为54.6%，AI领先约7.3个百分点。

从排名看，腾讯混元和中移九天并列第一，命中率68.1%，超过三分之二；百度文心、千问、DeepSeek以63.9%打成平手；垫底的阶跃星辰只有43.1%，甚至低于人类选手的平均水平。排名头尾相差25个百分点，差距并不小。

比起排名，更值得关注的是这些模型赢在哪里、栽在哪里？

AI擅长猜确定性高的比赛。在西班牙对战沙特的比赛中，12家AI中11家猜对了输赢；而在德国对战库拉索的比赛中，10家模型都给出了正确的判断。这类比赛的共同特征是强弱分明，模型只要参考世界排名、阵容身价和历史战绩，就能做出正确判断。越接近“背公式就能答对”的题，AI做得越好。

某美企AI出海负责人曾小健解释，大模型预测本质上是一台“排序机器”，把球队各项数据加权比较，实力差距越大，排序结果越稳定。

让AI“翻车”的是平局和冷门，在整个小组赛阶段，平局是AI命中率最低的类型，仅命中11次。

最典型的例子是西班牙对阵佛得角的比赛。西班牙是夺冠热门，世界排名、阵容身价、历史战绩占优；佛得角则是首次跻身世界杯的非洲新军。赛前，11家大模型都押注西班牙获胜，但比赛结果是0-0平局。佛得角门将的多次关键扑救化解了西班牙的进攻。一个球员的爆发、一次战术的执行，都有可能改变比赛走向，而这些恰恰是数据无法提前量化的。

为什么平局这么难猜？在世界杯历史上，平局的比例大约在20%到25%之间，本身就是一个低概率事件。模型把更多概率分配给胜或负，从统计角度来说并非错误。

曾小健认为，平局不是排序结果，而是概率分布中的一个特殊区间。大模型天然倾向于输出一个明确的答案，即便双方实力接近，它也会选一方做出倾向性判断。换句话说，模型的机制决定了它必须选边站。

大模型从业者Hongson则提到，很多时候平局的出现并非偶然，而是强队进攻受阻、弱队成功压缩空间，或者双方都不愿在某个阶段冒险的结果。这些临场策略选择本身就很难提前预判。

也就是说，AI猜强弱分明的比赛比较准，预测平局和冷门赛事时表现较差。即便AI猜球的命中率超过50%，但不能把这个数字等同于AI很会预测。

厂商并非不清楚这一点。曾小健认为，预测比赛容易传播，也容易让普通用户感受到AI好像“会分析”。这比单纯展示一个抽象榜单更有话题性。它的实际价值在于教育用户：AI可以做信息整合、情景分析和概率表达。厂商们看中的不是猜球本身，而是世界杯提供了一个人人能看懂的场景，让大模型的能力从抽象的参数变成了具体的表现。

不管包装成什么样，核心都是借世界杯的流量，让AI走进更多人的视野。

AI猜球，靠的是什么？

那猜对的模型，到底是怎么猜的？

曾小健认为，AI猜球本质上不是预测，而是复述。它更接近把足球评论员常说的话重新组织了一遍。这也解释了为什么12家模型的预测结果经常高度一致，它们读的是同一批公开信息，用的是相似的推理逻辑，得出同一个结论并不奇怪。

但在这层“复述”之下，也有不同的技术路径。

最轻量的做法是纯prompt工程，把球队信息塞进提示词，门槛低、传播快。但模型输出看上去很像“专家”，经不起统计检验。

往上一层是RAG检索增强，解决了信息新鲜度的问题，但检索到的信息可能比较片面，模型只会更有条理地得出一个片面的结论。

第三种是多智能体协作，像一个小型分析团队在协作，但多个Agent的意见汇总不等于预测精度提升，架构复杂了，准确率未必跟着提高。

第四种是先用统计工具算概率，再让大模型“翻译”。用Elo评分、泊松进球模型、蒙特卡洛模拟等方式跑出一组概率分布，大模型负责解释和呈现。曾小健认为这是最合理的方式，足球预测首先是数学问题，其次才是语言表达问题。但这条路门槛也最高，需要独立搭建概率模型，大多数厂商不会为一次营销活动做这么重的投入。

Hongson自己搭建的FLUX·10就是走的就是这条路。他把球队实力、攻防状态、阵容等十个维度转化为可计算的变量，先跑出胜平负概率和预期进球，再用大模型将结果转化为普通人看得懂的分析。截至小组赛第三轮前，预测了64场比赛，命中率约为60.9%。

这四种路径的门槛和准确性逐级递增，但市场上大多数厂商仍在前两层。归根结底，不管用哪条路径，模型的目标都是一致的：把已有信息整合成一个看上去合理的判断。路径的差异决定了信息的质量，但没有一条路能够让模型真正预见赛场上尚未发生的事情。

它们还面临共同的短板。一是预测不够动态，首发阵容公布、核心球员缺阵、赔率异动，都在实时改变概率。但大多数模型做完一次预测就交卷了，没有随着新信息持续更新的机制。

二是缺少概率校准，模型只是在生产看起来合理的数字，而非真正可靠的概率。没有校准和回测的预测，更像内容产品，不像科学模型。

对大多数厂商来说，优化预测靠的还是数据工程，喂更多信息、写更好的prompt、接更全的数据源，而不是模型层面的突破。

这也揭示了当前大模型在预测类任务上的一个局限，它们擅长整合已有信息、生成看起来合理的判断，但缺乏应对未知变量的能力。这也意味着，大模型可以是优秀的事后军师，但还不是合格的预言家。

淘汰赛开始，AI的“送分题”没了

小组赛结束，对AI来说，“考试环境”发生了变化。

这届世界杯是参赛球队数量最多的一届，48支球队中不少实力较弱的队伍是首次登上世界杯舞台。

这意味着72场小组赛中，相当一部分是强弱分明的对局，区分度高，AI做排序题相对简单。但淘汰赛留下来的32支球队经过小组赛筛选，实力差距被大幅压缩，猜球变得更难。

赛制也不一样了。小组赛输一场还有回旋余地，淘汰赛单场定生死。加时赛、点球大战在历史数据中样本极少，模型缺乏足够的“经验”。Hongson提到，要想猜球更准，模型需要主动调整策略，小组赛更重视强弱差和进球上限，淘汰赛则提高低比分、平局和小差胜的权重，因为强队进入淘汰赛也会变得谨慎，不会像小组赛那样放开打。但大多数模型没有这种主动调整的机制。

那AI预测比赛结果的能力边界在哪？

Hongson认为天花板不在于算出唯一正确比分，而在于把概率、风险和可能的路径讲清楚。AI可以告诉你一场比赛更可能是低比分还是开放局，哪些变量会让比赛偏离预期，但它不能把足球变成确定性问题。

换句话说，AI面对的不是缺数据的问题，而是一个难以解决的不确定性问题。但这并不意味着预测本身没有意义。

Hongson表示，世界杯预测真正有价值的地方在于它提供了一个高不确定性决策的实验场，把结构化数据、非结构化信息、历史经验等放进同一个闭环里，看模型能否输出有意义的判断。这套方法论可以迁移到商业选品、营销投放、舆情判断等领域，关键不是照搬比分模型，而是把影响结果的变量结构化，用概率表达判断，每次结果出来后再进行复盘校准。

曾小健则认为，AI在这些场景中最合适的角色是决策辅助系统，更快整理信息、识别关键变量、生成情景分析、评估不同结果的风险，而不是最终拍板者。将这套预测方法迁移到其他决策场景也一样，AI可以缩小选项范围、量化风险，但把AI的输出直接当结论用，就可能放大模型本身的偏差和盲区。

某种程度上，世界杯是国产大模型的一次公开的大测试。世界杯天然有流量，厂商做预测有营销成分很正常。营销是出发点，但结果是透明的。预测本身仍然是一个有价值的测试场景，它考验的不是参数大小和榜单排名，而是面对真实世界的不确定性时，模型能不能表达得更诚实、清楚、可验证。