AI下棋实验出现反转：GPT-6 Astra逆袭击败Claude Opus，长上下文未能带来持续学习

AI模型评测平台Arena负责人Peter Gostev于北京时间10月16日发布国际象棋实验复盘，指出当前大模型仅靠反复练习、保存记忆和延长上下文，仍难以实现稳定的持续学习。
实验先让GPT-6 Astra和Claude Opus 5.5分别与Stockfish棋类引擎对弈200局，自主选择难度、记录经验并调整策略。Opus最终获得约1760的估算Elo评分，高于Astra的1400（Elo评分是一种衡量棋手相对竞技水平的评分体系，广泛应用于国际象棋等竞技项目）。
但在随后的30局直接对抗中，Astra反而以24.5比5.5大胜。另一项对照测试显示，GPT-6.1 Sol使用约80万Token长上下文时，表现反而逊于约30万Token版本。
Gostev认为，模型在长时间运行中可能形成固定策略或反复改变战术，却未必能有效积累经验。实验反映出，增加上下文容量和交互次数，并不必然转化为持续学习能力。