AI World Cup 2026：LLM端到端足球锦标赛预测基准

大语言模型（LLMs）现在经常被要求预测现实世界事件，但比较往往困难，因为模型接收不同信息、使用不同工具，并且根据不同的规则进行评估。本文报告了完成的“AI世界杯”基准测试，在此过程中，十个基于LLM的助手共同做出了2026年国际足联世界杯的所有比赛预赛结果预测。每一份提交都使用相同的锦标赛截图、提示、JSON schema和评分程序。预测涵盖了小组赛得分、小组排名、淘汰赛区段、最终排名、信心值以及简短解释。在所有104场比赛结束后，GPT-5.5 Thinking以744分领先，紧随其后的是GPT-5.5，得分为717分，Gemini得分为699分，Qwen 3.7得分为687分。GPT-5.5 Thinking还选择了西班牙作为冠军，因为他们在决赛中以1-0击败了阿根廷，并且最终排名靠前。最终排名主要由淘汰赛表现决定：总分数与淘汰赛得分（r=0.986）高度相关，但与小组赛得分（r=-0.055）、小组排名（r=-0.103）或其结合的预淘汰赛分数（r=-0.054）之间的关系则非常小。比赛准确率也产生了不同的排序。Claude Sonnet 4.6正确预测了最多的小组赛结果（63.89%），但总体排名第六。平均自报告的信心值与任何结果准确性（r=-0.060）或总分数（r=-0.067）之间也没有关系。这些结果表明，预测整个锦标赛测试的是一次性的比赛预测不同，同时展示了如何一个基于淘汰赛的排行榜依赖于评分设计。基准材料、原始响应和评分代码已发布以支持重复和未来扩展。