Giải đấu này diễn ra trên nền tảng benchmarking mới mang tên Kaggle Game Arena, mang mục đích như một kỳ "triển lãm kỹ năng chơi cờ vua" giữa tám mô hình AI hàng đầu, bao gồm ChatGPT.

Trong đó, OpenAI tung ra 2 phiên bản ChatGPT (dưới dạng mô hình o3; và o4‑mini) đối đầu với các AI nổi tiếng đến từ Trung Quốc như DeepSeek‑R1 và Kimi‑k2 của Moonshot AI. Ngoài ra, còn có sự tham dự của Claude 4 Opus (Anthropic), Gemini 2.5 Pro và Flash (Google), Grok 4 (xAI). Tổng cộng có 8 mô hình AI dự giải.

Giải đấu được tổ chức theo thể thức loại trực tiếp; mỗi trận đấu gồm bốn ván cờ chính thức (thắng 1 điểm, hòa 0,5, thua 0).

Những cặp có tỉ số hòa 2‑2 sẽ bước vào ván phân thắng bại kiểu Armageddon, trong đó quân trắng buộc phải thắng để đi tiếp. Các mô hình tham gia đều thi đấu theo giao thức tự động, không có giao diện người dùng trực quan, mọi đánh giá diễn ra trên nền tảng Game Arena.

Nguồn gốc của giải xuất phát từ nhu cầu đánh giá năng lực suy luận chiến lược của AI không chỉ qua tác vụ ngôn ngữ, mà cả các trò chơi logic như cờ vua.

Theo DeepMind, hệ thống Kaggle Game Arena ra đời để cung cấp “một cách đo lường năng lực AI công khai, minh bạch và động” qua các trò chơi chiến lược.

Phần thưởng tài chính chính thức không được công bố rộng rãi; tuy nhiên theo cổ lệ trong các sự kiện AI lớn trước đó, các đội tham gia có thể nhận được mức thưởng tượng trưng để khuyến khích nghiên cứu và phát triển.

Trong tương lai, ban tổ chức cam kết sẽ công bố rõ ràng hơn hệ thống giải thưởng và các chỉ số đánh giá thành tích cá nhân.

Một số kỳ thủ đánh giá những AI không chuyên cờ vua như ChatGPT có kỹ năng thi đấu hạn chế. Những mô hình AI này vốn được thiết kế để xử lý ngôn ngữ, không phải kiểm soát bàn cờ với tối ưu tính toán như Stockfish.

Một bình luận trên Chess.com khẳng định: "Đây không phải cuộc đấu giữa phần mềm chơi cờ chuyên nghiệp mà là thử nghiệm năng lực suy luận chiến lược của AI ngôn ngữ".

Gần đây, ChatGPT từng thách thức Magnus Carlsen trong một ván cờ trực tuyến - hậu quả là Carlsen thắng trong 53 nước mà không mất một quân nào.

Một thí nghiệm khác do kỹ sư Robert Caruso thực hiện trên nền tảng Atari 2600 vốn chỉ có chip 1.19 MHz và 128 byte RAM cho thấy ChatGPT thất bại thảm hại: mô hình này thậm chí nhầm quân tượng với xe, bỏ sót chiếu tướng và thi đấu… như học sinh tiểu học.

Về phần các AI Trung Quốc như DeepSeek‑R1 hoặc Kimi‑k2, giới công nghệ vẫn chưa có nhiều công bố chi tiết về hiệu quả thi đấu cờ vua.

ChatGPT đánh giá 'Vua cờ' Magnus Carlsen chỉ là tuyển thủ nghiệp dư

Kỳ thủ cờ vua số 1 thế giới Magnus Carlsen vừa khiến cộng đồng mạng xôn xao khi tiết lộ câu chuyện dở khóc dở cười với ChatGPT trên nền tảng xã hội X.