8月中旬，B站一条《豆包跟千问下五子棋》悄悄过了8万播放：两个聊天AI一黑一白互相落子，千问在必输局面下"奇迹般"赢下，高赞评论（713赞）损它是"史之一手转胜为败"。哔哩哔哩
随后两周，"让AI下五子棋"成了2026年门槛最低的民间测试：B站上元宝vs豆包、豆包和豆包自己下的对局接连上线，还有人让Codex自对弈。有粉丝拍的偶像选手和AI下棋"全程疑惑脸"视频，在微博收获1600多赞。微博连"会下五子棋的边牧"都靠这个梗刷屏，知乎上干脆有人直接发帖发问——有没有大模型能陪自己正经下一局五子棋。知乎
为什么全网用五子棋测大模型，而不是象棋围棋？答案很实在：15×15的棋盘、一眼能看懂的胜负规则，全程能用纯文字说清楚——不需要装任何工具，聊天框就是棋盘。这让它成了最便宜的AI能力探针，也让它暴露的短板格外真实。
翻车不是演的：两组5局实测和一句大实话
知乎开发者cwm22做了个开源小系统：把五子棋规则写进提示词，两个大模型轮流对话，每轮只告诉它对手落子的位置，它回一行"7,7"这样的坐标，落错点直接判负。他让deepseek-v4-pro自己跟自己下了5局，有2局走出了非法着法——下的那个点，自己的棋子早就占着了；换成mimo-v2.5-pro，非法位置更多。知乎他特意强调：每局的上下文远没到模型的上限，问题不是"看不见"，是"记不住"。
最离谱的一类错误是，模型在文字里推理得分毫不差——“黑棋在第7列已连成三子，必须立刻封堵”——然后一手指向自己此前已经下过的那个点。他的结论毫不客气：LLM下五子棋基本是婴儿级水平，而且思考慢、耗时还长。知乎
视频区里点赞最高的一条评论，则替所有人说破了原理：现在的聊天AI根本没有棋盘，只有语言上下文，不重新"喂"局面它就记不起之前下了啥。哔哩哔哩至于视频里那些"神之一手"，很多是截图式一问一答加剪辑效果——当乐子看没问题，把它当AI能力的证据就上当了。
但另一面：AI下不好棋，写的棋比你会下
8月同样刷屏的，还有另一种玩法：对coding大模型说一句"实现一个网页版五子棋游戏"。科技作者鸟窝用同一句提示词测了当时6个最新模型，结果分化明显：Opus 5最有工程味，拆成多文件、自带alpha-beta人机AI、补了单元测试和键盘操作，代价是不能双击直开；gpt-5.6-sol最像成品，人机对战、计时、规则说明全给你配齐；deepseek-v4-pro最省事，一个22KB的单文件双击就能玩，但只做了双人对战，没有AI；MiniMax-M3界面最精致、连启发式评分的攻防权重都写得很细——结果人机对战是坏的；glm-5.2是唯一交付前"自己给自己验收"的，跑完语法检查、无头浏览器截图确认渲染才交活；gpt-5.6-luna则把技能点全点在美术上，杂志级排版，但没有AI。知乎
鸟窝的结论值得截图：模型自述的功能清单不能全信，得亲自跑一遍——看着最强的小马，恰恰核心玩法跑不通。知乎
这就构成了今年最有意思的一个反差：模型亲手写出来的alpha-beta五子棋程序，认真实现的话，比它自己下棋强到不知道哪里去。这并不意外——无禁手五子棋在90年代中期就被学术界证明先手必胜，用精确搜索的专用程序早就打到普通人十年练不出来的高度。下棋是"维护状态机"的问题，恰好是语言模型的短板；写五子棋是"语言加代码"的问题，恰好是它的长板。"会写不会下"不是段子，是一场五子棋给大模型能力边界画的地图。
普通用户怎么不白玩：三条路线对号入座
就想跟AI下一盘、还不想看它鬼畜：别指望它记住棋盘，每一轮把完整棋盘文字加对手最新一手重新发给它，并限定"只输出坐标，不要解释"——上面那位开发者的系统提示词思路可以直接抄。做到这一步，多数主流模型能正常下完一局，但别指望棋力。
想要一个真正赢不了你的对手：用专用五子棋软件，或者干脆让coding模型写一个"带人机对战"的网页五子棋，自己跑通再玩——程序里那个AI会老老实实计算，输给你的概率比聊天模型"失忆"的概率低得多。
想借这个话题检验一下各家大模型：同一句"实现一个网页版五子棋游戏"，跑一遍看谁补全需求、谁有工程严谨度、谁在PPT式报功能，比背榜单便宜也真实得多。
适合谁、跳过谁：天天用豆包、DeepSeek、元宝办事的人，这篇帮你校准"它到底懂不懂眼前这盘棋"的预期；只想周末跟孩子下两盘的，小程序五子棋就够了，没必要为"AI对弈"额外付费；家长也别把孩子棋力进步的预算押在聊天大模型上——练棋请找专用工具。
最后留一个继续观察的信号：这是少见的零门槛、全网可复现的AI测评。哪天你发现某个模型在纯聊天里连下二十手都不再记错盘面，那个时刻比任何跑分榜都更值得记录——说明它真的开始维护一个内部世界模型了。
