千問上線足球預測AI助手，黃健翔現場PK，被AI逼急了
重點摘要
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 智東西6月11日報道，2026美加墨世界盃開賽前夕，千問上線了旗下首個足球預測AI助手。 這次上線的玩法不止猜勝負，用戶跟千問同臺競猜，猜對場次和準確率雙雙超過AI的人，有機會拿走萬元現金大獎。而所有參與者的累計積分，千問會折算進現實，給國內鄉村學校捐建足球場，目標至少50座。 活動最後，知名足球解說黃健翔驚喜亮相，和千問針對世界盃比賽預測展開了辯論。 一、預測不是拍腦袋，天氣、海拔、地貌綜合考慮 千問足球預測AI助手產品負責人程飛在沙龍上講解了這款預測產品的與眾不同，千問並不是純靠歷史戰績和陣容身價做判斷，它會根據大量非足球變量來進行綜合預測。 數據維度包括各隊歷史交鋒記錄、球員近期狀態和傷病名單，也包括美加墨三國的比賽地地貌數據和賽期天氣預報。 程飛拿一場小組賽舉了例子：6月22日挪威對陣塞內加爾，紙面上哈蘭德領銜的挪威明顯佔優，但千問的判斷是平局，原因是比賽地的氣溫、溼度、開球時間，以及兩支球隊長期適應的比賽環境差異，全被模型納入了計算之中。哈蘭德習慣的北歐涼爽氣候，在北美高溫下可能大打折扣。 揭幕戰墨西哥對南非同樣適用這個邏輯，千問預測東道主墨西哥贏，不僅因為主場優勢，還因為墨西哥城超過2200米的海拔，會導致客隊球員的體能消耗被顯著放大。 至於AI預測到底準不準，程飛直言足球最大的魅力就在於不可預測，如果有人說他能100%預測比賽結果，那大概率不是AI，是騙子。 二、人機大戰：猜贏千問拿萬元，AI眼鏡當參與獎 用戶端的玩法被設計成了一輪輪的人機對抗。 104場比賽全程開放競猜，只要參與預測超過80場、且整體準確率高於千問，就能進入萬元現金大獎的抽獎池，共設100個名額。 此外千問還設置了參與獎，預測超過32場的用戶，能參與1000副千問AI眼鏡G1的抽獎。另外，從揭幕戰到決賽，千問還會持續發
AI應用風向標（公眾號：ZhidxcomAI） 作者｜畢偉豪 編輯｜漠影 智東西6月11日報道，2026美加墨世界盃開賽前夕，千問上線了旗下首個足球預測AI助手。 這次上線的玩法不止猜勝負，用戶跟千問同臺競猜，猜對場次和準確率雙雙超過AI的人，有機會拿走萬元現金大獎。而所有參與者的累計積分，千問會折算進現實，給國內鄉村學校捐建足球場，目標至少50座。 活動最後，知名足球解說黃健翔驚喜亮相，和千問針對世界盃比賽預測展開了辯論。 一、預測不是拍腦袋，天氣、海拔、地貌綜合考慮 千問足球預測AI助手產品負責人程飛在沙龍上講解了這款預測產品的與眾不同，千問並不是純靠歷史戰績和陣容身價做判斷，它會根據大量非足球變量來進行綜合預測。 數據維度包括各隊歷史交鋒記錄、球員近期狀態和傷病名單，也包括美加墨三國的比賽地地貌數據和賽期天氣預報。 程飛拿一場小組賽舉了例子：6月22日挪威對陣塞內加爾，紙面上哈蘭德領銜的挪威明顯佔優，但千問的判斷是平局，原因是比賽地的氣溫、溼度、開球時間，以及兩支球隊長期適應的比賽環境差異，全被模型納入了計算之中。哈蘭德習慣的北歐涼爽氣候，在北美高溫下可能大打折扣。 揭幕戰墨西哥對南非同樣適用這個邏輯，千問預測東道主墨西哥贏，不僅因為主場優勢，還因為墨西哥城超過2200米的海拔，會導致客隊球員的體能消耗被顯著放大。 至於AI預測到底準不準，程飛直言足球最大的魅力就在於不可預測，如果有人說他能100%預測比賽結果，那大概率不是AI，是騙子。 二、人機大戰：猜贏千問拿萬元，AI眼鏡當參與獎 用戶端的玩法被設計成了一輪輪的人機對抗。 104場比賽全程開放競猜，只要參與預測超過80場、且整體準確率高於千問，就能進入萬元現金大獎的抽獎池，共設100個名額。 此外千問還設置了參與獎，預測超過32場的用戶，能參與1000副千問AI眼鏡G1的抽獎。另外，從揭幕戰到決賽，千問還會持續發起“1000個預測”互動活動，圍繞球迷關心的各種話題逐場拋出預測點。 三、千問發起公益球場計劃，玉米地裡迸發足球活力 比萬元大獎更重的，是一個叫千問球場計劃的公益機制。所有參與AI競猜的用戶，累計積分每突破一定額度，千問就會為鄉村或基礎薄弱地區的學校捐建或修整一片足球場，目標至少50個球場，未來進度會向用戶公示。 這個計劃的源頭，是一塊玉米地。現場播放了一段視頻，貴州省普安縣羅漢中學沒有足球場，孩子們每年等玉米收割後，在泥地上踢球。三個月後玉米要播種，場地還給鄉親們。 年復一年，像一塊“候鳥球場”。 羅漢中學校長歐陽謙在現場說到這件事時一度哽咽：“也許在貴州、新疆、大涼山那些地方，就有未來的中國足球巨星。我們大山裡多一些球場，多一些機會讓更多孩子早點踢上球，中國足球進世界盃指日可待。” 程飛的收尾是這麼說的：“很多年以後，沒人會記得千問猜中了多少場比賽。但如果因為這次活動多了50塊足球場，多了一批愛上足球的孩子，這件事才更有意義。” 四、黃健翔現場和千問吵架：你不懂球 沙龍現場，知名足球解說黃健翔被請上臺，跟千問來了場面對面的預測PK賽，他直言AI雖然懂數據，但不如自己懂球。 針對梅西和C羅如果在世界盃相遇誰贏這個熱門話題，黃健翔憑經驗押葡萄牙，理由是C羅的大賽經驗和葡萄牙整體厚度。千問則給了完全相反的結論：阿根廷勝，判斷依據是“抗衰老踢法”和“中場默契度”，它認為阿根廷的控球體系更能抵消C羅的個人衝擊。 第二個辯題是“姆巴佩和哈蘭德誰進球更多”，千問堅定站姆巴佩，黃健翔則認為哈蘭德會贏，一人一機各執一詞，約定開賽之後見分曉。 結語：AI預測世界盃是玩法，公益球場是底色 千問這次足球預測AI助手的發佈並不是為了展現預測多準，即使是將各種因素綜合考慮進去，也不可能百分百猜對。 真正的看點在於組合打法：用AI預測美加墨吸引流量，以人機PK和萬元獎金做留存，用積分換公益球場做塑造品牌公益底色，這一切遠不止預測一場比賽勝利那麼簡單。 做AI預測世界盃的不只有千問一家，誰能出圈，拭目以待。
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。