大模型自学下棋实验结果分化：Claude Opus 5.5升至1760分，GPT-6 Astra跌至1400分

Arena的AI能力负责人Peter Gostev于2026年10月5日公布了一项“AI自学下棋”实验：Claude Opus 5.5与GPT-6 Astra分别与国际象棋引擎Stockfish完成200盘对局，过程中不更新模型参数，而是依靠自行记录笔记来累积经验。

Stockfish是目前最强的开源国际象棋引擎，实验中被分为Skill 0、限至1800分和满血三档，模型可自行选择对手难度。作者尽量减少干预，唯一禁令是不准调用象棋引擎替自己下棋。结果显示，Opus 5.5在前75盘一直处于1450至1550分区间，随后逐步上升，第150盘约为1790分，第194盘回落至1760分，较开局约1500分提升明显。Astra则从第29盘的高点1810分一路下滑，100盘后约1680分，200盘结束仅剩约1400分。对阵满血版Stockfish时，Astra的68盘全部告负。

Gostev指出，Elo分数按最近50盘对阵Skill 0和1800分档的战绩估算，满血档不参与计算，因此该分数主要用于观察模型在实验中的进步趋势。他评价Opus 5.5的表现“非常亮眼”，并已核实其未调用象棋引擎作弊；对于Astra的退步，他推测可能与Codex配置下272k上下文窗口内笔记和文件增多后的处理退化有关，但仍需对照实验验证。

这项测试旨在观察大模型在不改变权重的情况下，能否通过上下文中的笔记与复盘在实战中自我强化。目前GPT-6.1 Sol和Claude Fable 5.1也已加入实验，分别采用828K上下文窗口和另一配置，但样本量尚少。