随着世界杯进入淘汰赛阶段，AI 赛前预测从“说得头头是道”变成了可被逐场验证的能力测试。Odaily 星球日报以尽量统一的问题，在每场比赛前分别询问 ChatGPT、Grok、千问、DeepSeek、Gemini、Claude 等模型，再在赛后与真实结果逐一对照，核心不是看谁分析更完整，而是谁的结论更值得参考。
从已经结束的比赛看，淘汰赛的不确定性被迅速放大。加拿大 1:0 绝杀南非，巴西 2:1 险胜日本，德国被巴拉圭拖进点球大战后淘汰，荷兰也在与摩洛哥的较量中倒在点球大战。随后，比利时对塞内加尔一战又踢成 2:2 后加时逆转，进一步放大了 AI 预测在冷门、比分和比赛进程上的差异。
DeepSeek 与 Gemini：最亮眼的是敢于提前写出冷门剧本
目前最有代表性的案例，是荷兰对摩洛哥。赛前这场比赛很容易误判：荷兰纸面实力更强，阵容也更完整，多数模型即便承认摩洛哥难缠，最终仍倾向荷兰晋级。但 DeepSeek 和 Gemini 的不同之处，在于它们没有停留在“比赛会很胶着”这一层，而是把后续进程也明确写了出来。
其中，Gemini 赛前直接给出常规时间 1:1，并判断摩洛哥将在点球大战胜出。真实结果也几乎完全贴合这一脚本：双方常规时间战成 1:1，最终摩洛哥在点球大战中以 3:2 淘汰荷兰。这种命中不是简单押对方向，而是连比赛如何被拖进点球、最终谁晋级都提前踩中，因此成为目前最出圈的一次预测。
DeepSeek 的判断同样非常接近。它认为这场比赛常规时间大概率会是 1:1 或 0:0，并可能一路拖到加时甚至点球，同时倾向摩洛哥依靠防守与反击完成爆冷晋级。换句话说，DeepSeek 与 Gemini 的优势，不只是能看出强弱悬殊并不明显，更在于它们愿意把结论明确落到冷门一侧，而不是止步于“有风险”。
Grok 与千问：在热门局里更像稳定的“比分型选手”
如果说 DeepSeek 和 Gemini 的高光来自抓住冷门，那么 Grok 与千问 的优势则更偏向具体比分与热门队赢法判断。在一些胜负方向相对清晰的比赛中，它们不只判断对了晋级球队，还把比分压得比较接近真实结果，这让两者在“热门局”里显得更稳定。
南非对加拿大就是典型案例。赛前大多数模型都看好加拿大，但分歧在于加拿大究竟会轻松取胜，还是只能小胜过关。Grok 给出加拿大 1:0 的预测，千问也给出一球小胜的结论，最终加拿大确实只靠 1 个进球完成晋级，没有踢成外界想象中的大比分比赛。
巴西对日本也是类似逻辑。多数模型都认同巴西整体实力更强，但日本能否把比赛咬住，才是真正的判断分水岭。Grok 与千问都预测比分会是 2:1，而真实结果也正是巴西 2:1 险胜。这里命中的并不只是“巴西会赢”，而是日本能够制造足够麻烦，迫使比赛维持在一个相对胶着的区间。
在科特迪瓦对挪威的比赛中，两者同样踩得较准。挪威拥有哈兰德，晋级方向并不难理解，但科特迪瓦的身体对抗和边路冲击意味着比赛不会一边倒。Grok 和千问都预测挪威 2:1 取胜，最终结果也落在这一框架内。整体来看，它们不一定最擅长识别大冷门，但对于热门球队究竟是轻松碾压还是艰难过关，判断颗粒度更细。
ChatGPT 与 Claude：分析过程更完整，但在冷门判断上偏保守
与前述模型相比，ChatGPT 和 Claude 更像“分析型选手”。它们未必连续命中比分，也没有像 Gemini 那样直接押中摩洛哥点球淘汰荷兰，但它们常常能在赛前准确指出比赛阻力来自哪里。换句话说，这类模型更适合用来理解比赛过程，而不是只看最终结果。
例如在巴西对日本一战中，ChatGPT 虽然判断巴西晋级，但并没有把比赛写成单边碾压，而是强调日本的压迫、跑动和纪律性会让巴西踢得不舒服，甚至存在率先进球或追平的空间。科特迪瓦对挪威也是类似，ChatGPT 认为挪威大概率晋级，但会遭遇科特迪瓦在身体对抗、边路冲击和攻防转换上的持续施压。
英格兰对刚果民主共和国的淘汰赛，也是 ChatGPT 风格的另一个例子。它并未简单给出英格兰大胜的叙述，而是预判比赛节奏可能偏闷，刚果民主共和国会通过低位防守拖住比赛。最终英格兰虽然晋级，但过程并不轻松。这说明 ChatGPT 的长处是提前识别“比赛不好踢”的信号，不过到了需要真正把结论写到冷门一侧时，仍然显得不够坚决。Claude 的问题也类似：分析完整、方向不离谱，但临门一脚往往还是更偏向传统强队。
德国对巴拉圭：一次多模型集体失准的典型案例
如果说前几场比赛还体现了不同模型各有专长，那么德国对巴拉圭则成为一次明显的“集体翻车”。赛前，几乎所有主流模型都站在德国这一边。ChatGPT、Grok、千问、Gemini、Claude 的判断高度一致，比分预测大多集中在 2:0、3:0 或 3:1，理由也基本相同：德国纸面实力更强、阵容深度更好、进攻火力更足。
但真实比赛完全没有按照主流脚本展开。AI 模型整体低估了巴拉圭把比赛拖入泥潭的能力。德国没能在常规时间解决战斗，也没能在加时阶段打破僵局，最终被巴拉圭拖进点球大战并淘汰出局。这场比赛说明，当样本高度依赖纸面实力、阵容深度和传统印象时，模型会系统性高估强队的兑现能力，而低估弱势一方在淘汰赛中通过防守、节奏控制与拖延战术放大波动的能力。
不同 AI 模型适合的场景，已经开始分化
综合目前已结束的世界杯淘汰赛，几类模型的使用场景已经逐渐清晰。DeepSeek 与 Gemini 的高光，在于它们不仅能顺着热门局给出常规判断，还能在更难的比赛中敢于押向冷门，尤其是在荷兰对摩洛哥这类比赛里，直接写出摩洛哥爆冷和点球大战的完整剧本，含金量最高。
Grok 与千问则更像稳定的“比分型选手”。在加拿大、巴西、挪威、法国等比赛里，它们对胜负方向和比分落点的把握都比较贴近真实结果，特别适合判断热门队是轻松过关，还是只能以 1 球优势涉险晋级。但当比赛涉及德国、荷兰这样的传统强队时，两者最后仍更容易偏向热门一方。
ChatGPT 与 Claude 则适合做赛前理解工具。它们往往能够把战术阻力、节奏变化和潜在加时风险讲清楚，帮助读者理解比赛为什么可能变难看、变胶着。不过，如果目标是寻找真正的“爆冷信号”，这类模型目前还偏保守。与其追问哪个模型最懂球，不如根据场景使用：抓冷门看 DeepSeek、Gemini，压热门比分看 Grok、千问，拆解比赛过程则更适合参考 ChatGPT 与 Claude。