这个九月的FM圈，气氛有点微妙。
《足球经理27》上周刚官宣11月发售，开发进入最后阶段，官方说具体情报九月起每周一波地放；玩家测试计划的候选名单登记入口八月中就开了，B站这周已经冒出"Alpha测试开始发放邀请"的消息视频，底下第一条留言是"我怎么没收到[大哭]"。微博微博哔哩哔哩
但空窗期里还有一拨FM玩家，比等27更投入——他们在教大模型管球队。微博上有人把DeepSeek设成助教，晒出"上任后球队5轮不败"的存档截图；小红书上有人用GPT写了一款"能跟球员对话的足球经理"，自己玩得不肯放手；更早之前，《足球经理26》官方访谈里就承认，本作使用了AI协助翻译工作。微博小红书小红书
所以问题其实已经到了嘴边：大模型到底会不会管球队？会不会有一天替你把FM的档带了？
8月下旬，一篇挂在arXiv上的论文《FM-Bench: A Benchmark for Long-Horizon Management with Competing Agents》（AnalogyAI团队，15个模型+26个工具+20个赛季）真把这事考了一遍。知乎小红书 只是考场不是FM26——作者自建了一个确定性引擎，让15个前沿大模型各经营一家俱乐部跑满20个赛季，另拉6个第一次接触这游戏的人类同场补考。
结果相当拧着来。
这场考试的规则，FM老玩家一眼就懂
每个模型接手一家起步条件完全相同的俱乐部：声誉70、38000人的球场、25人阵容、一笔预算。二十年里大约要做374次重大决策——相当于每天做一个要紧决定，连做二十年。
考题里埋了四道坎，全是FM玩家熟悉的墙：球员真实能力和潜力对谁都藏着，球探只给带永久偏差的区间估计；你对着一家俱乐部还价越狠，它把隐藏要价抬得越高；董事会同时盯着成绩和账本；青训和设施的投入，五六年后才回本。知乎
最狠的设定是记忆：每个决策点都是全新对话，模型不记得上一个停点自己干过什么，唯一能跨赛季带走的，只有它自己写的一本笔记本——而且这个写笔记的功能，恰好是26个工具里唯一不限量、完全免费的。知乎
四条反直觉结果，每条都有数字
第一，最贵的没赢，烧钱和名次根本不相关。 冠军claude-fable-5拿了90.94分，全程只烧了24M token；花得最狠的deepseek-v4-pro烧了194M，最后滑到第12名。论文把token消耗和得分做相关分析，四个口径的系数全在-0.23到+0.07之间，p值全部大于0.38——统计学上等于纯噪声。知乎 开源模型kimi-k2.6以88.49分压过两个GPT变体站在第三，而且是全场最稳的，三次重跑标准差只有0.15；垫底的haiku-4.5只有36.90分，标准差22.73。价格、体量、厂商出身，三个维度一个都预测不了名次。
第二，前五年的排名约等于猜。 deepseek-v4-pro第5年和第10年都是领头羊，大结局是第12名；冠军fable-5第5年才排第5。第5年排名和最终排名的相关系数只有0.19，要到第15年才爬到0.78。知乎 翻译成人话就是FM玩家那句老话：新开档踢三轮，好教练坏教练根本看不出来，真正的差距在第七到第十二个赛季的复利里才现形。
第三，瞎折腾比摆烂更毁档。 对照组里，什么都不做的idle脚本-0.90分，闭眼乱操作的random脚本-17.21分——乱动比不动差出近20倍。知乎 更残酷的是人类：6名新手，4人中途被董事会解雇，下课时间全卡在第7.8到第12.3个赛季，而且这4人的分数连"机械执行纪律脚本"的17.05分线都没摸到。两个活完全程的人类，最好成绩74.64，和垫底梯队的模型差不多，离冠军差16分。小红书 开局靠新鲜劲都能撑住，中段一起还债——FM玩家对这条应该最有体感。
第四，记笔记比花钱更决定成败。 笔记本年末相似度这把尺子量出了两种死法：gpt-5.6-sol只追加不删改，相似度0.91，二十年流水账把"当下该干什么"淹了个透；claude-sonnet-5（0.20）和qwen3.7-max（0.23）每季推倒重写，任何跨赛季计划都活不过一个夏天。冠军走的是0.39的中间态——策略骨架不动、状态每季更新。最扎心的是opus-4.8：它在第10季写下"闲置现金应该投入"，第19季又写了一遍，最后结算时账上还攥着约2100M闲置储备，赛季末现金平均是俱乐部净值的134%，而冠军只留80%。论文管这个叫"知道-做到鸿沟"——写下正确答案和把它执行出来，是两种能力。知乎 续约习惯同理：冠军中位数提前18个月启动续约谈判，只有4%拖到最后6个月；opus-4.8只提前10个月，20%拖到火烧眉毛。
全物种的软肋：不会定价
考场里还有一位"开挂"的privileged oracle，能直接偷看每个球员的真实属性和每个卖家的心理底价，走完全程95.54分。它买人，首报价直接成交，1.0次。
而所有模型呢？全领域中位数每签一笔要报30次价，冠军fable-5也要9次，最差的gemini-3.5-flash要73次，某个种子下冲到133次。二十年、被拒几百次，模型也没学会市场价格在哪——因为每被拒一次，卖家的隐藏要价就被抬高一分，反馈本身是被自己的行为污染过的。知乎
FM玩家看到这条会直接笑出声：跟同一支俱乐部反复做买卖会越来越贵、报价被拒之后对方不降价反而抬价——这不就是存档里天天发生的事吗？论文里人类玩家的抱怨清单跟模型几乎一字不差：看不见卖家的接受价、工资账单几个赛季后才到账、出了事不知道该怪哪一步。知乎
FM玩家该从这份答卷里抄走什么
先说清楚边界：FM-Bench是自建模拟器，不是Football Manager本体，模型也没有"玩过"SI的游戏。但这场考试考的恰好是FM规则那一套管理动作，所以它对"怎么用AI帮自己玩FM"有直接的可抄项。
一，把大模型用在"不遗忘、不疲劳"的地方。 六维分析里权重最高的三个行为——终局意识（与得分相关-0.58）、资金部署（-0.50）、主动控制（+0.45）——全是纪律活：收尾季砍长线投入、别让预算躺在账上、提前18个月续约。知乎 这些恰恰是人类玩家忘东忘西、AI助教不会忘的领域。让模型当你的续约日历、预算闲置闹钟和对手转会记录员，是对的；那位DeepSeek助教带出5轮不败的玩家，晒的也是轮换思路和角色调整，不是让它直接拍板。
二，给你的AI助教建"分层笔记本"。 事实层（合同年限、周薪、伤病史）别改写，计划层（本赛季冲不冲欧、什么时候换血）稳定但可修订，意图层（为什么非要卖这个队长）单独存。绝大多数人跟AI的聊天方式，就是0.91的流水账或者0.20的推倒重来——论文用二十年、4800场模拟证明了这两种都会输。
三，别让AI当你的第一次报价。 它看不到你的球探偏差值，更看不到对面的心理底价，30次报价的教训摆在那。正确姿势是让它批量拉可比交易——近三个转会窗同年龄同位置球员的成交价分布——区间你自己判断，出价你自己拍板。定价失败不是算力问题，是信息不对称问题。
至于FM27会不会接大模型——评论区里已经有玩家喊话：新闻评价大模型就行。微博 现实世界已经跑在游戏前面：《图片报》八月底报道，英超、德甲已有俱乐部用AI系统做引援分析和无球跑动评估；而FM26自己也确实动了AI翻译这类"语言工作"。微博 从这场考试看，AI最先被FM吸收的大概率是新闻生成、发布会对话、球探报告摘要这些语言活，而不是替比赛引擎决定比分——后者恰好是模型集体翻车的定价与隐藏信息区。
这份答卷对FM玩家最顺手的收获其实是一条判断标准：以后任何AI产品拿"某某榜单高分"宣传自己，你可以像个干了二十年球的经理那样追问一句——
它是答对了几道题，还是管满了一个赛季？
