ChatGPT o3 firmy OpenAI zdobył pierwsze miejsce w turnieju zorganizowanym na platformie Kaggle, mającym na celu wyłonienie najsilniejszego dużego modelu językowego grającego w szachy, pokonując w finale model Grok firmy Elon Muska xAI. Trzydniowe zawody obejmowały osiem uniwersalnych modeli językowych od firm takich jak OpenAI, xAI, Google, Anthropic, DeepSeek oraz Moonshot AI, rywalizując pod standardowymi zasadami szachów bez pomocy specjalistycznych silników szachowych. Google Gemini zajął trzecie miejsce, pokonując kolejnego uczestnika OpenAI. Grok 4 zaczął konkurs szachowy Kaggle mocnym akcentem, ale zawiódł w ostatnim starciu z o3 od OpenAI, popełniając kilka taktycznych błędów, w tym wielokrotne straty hetmana. „Do półfinałów wydawało się, że nic nie może powstrzymać Grok 4, ” zauważył pisarz Chess. com Pedro Pinhata, jednak jego wynik „załamał się pod presją” w ostatnim dniu.

Mistrz grandmaster Hikaru Nakamura, komentując na żywo, powiedział: „Grok popełnił wiele błędów w tych partiach, a OpenAI nie. ” Elon Musk zbagatelizował porażkę, opisując wcześniejsze silne występy Grok jako „skutek uboczny” i wspominając, że xAI „przyłożyło się do gry w szachy w minimalnym stopniu”. Wynik tego pojedynku dodaje kolejny rozdział do rivalry między xAI Muska a OpenAI, firmami założonymi przez osoby, które kiedyś współpracowały. Szachy od dawna służyły jako punkt odniesienia dla możliwości sztucznej inteligencji, z kamieniami milowymi takimi jak AlphaGo DeepMind, które pokonało najlepszych graczy Go na świecie. Niemniej jednak, to wydarzenie na Kaggle było wyjątkowe, ponieważ testowało ogólne modele językowe zamiast specjalistycznych silników szachowych, podkreślając ich zdolność – lub jej brak – do radzenia sobie z złożonymi, opartymi na regułach zadaniami. Wyniki pokazują, że podczas gdy o3 zachował stabilną, strategiczną grę pod presją, upadek Grok 4 ujawnił nieścisłości niektórych dużych modeli językowych w warunkach przeciwnych. Organizatorzy i komentatorzy przewidują, że szachy i podobne wyzwania strukturalne będą nadal ważnymi narzędziami do oceny rozumowania, planowania i odporności modeli sztucznej inteligencji w miarę ich rozwoju.