AI 算命到底行不行:從練習賽到官方擂臺的實測記錄
算命網站都說自己準——但"準"從來沒人拿證據出來。我哋把命羅盤的 AI 拉去考了兩場試:一場自己跑、可復現的練習賽,一場服務端判分、提交即定分、每家只有一次機會的官方擂臺。成績全部攤開:
| 考場 | 性質 | 題數 | 成績(Top-1) |
|---|---|---|---|
| MingLi-Bench(本地實測) | 公開題集,可復現 | 160 | 33.1% |
| 神機妙算擂臺 public_test | 公開練習,服務端判分 | 80 | 38.75% |
| 神機妙算擂臺 private(官方定分) | 私有題庫,一次定榜 | 495 | 41.9% |
隨機亂猜的及格線是 25%(四選一)。
考題是咩
「全球算命師大賽」是命理界的公開擂臺:給出真實命主的生辰,問某年發生何事——婚姻、事業、健康、財運、災劫都有,全部是發生過、有據可查的真事,四選一。神機妙算擂臺(bench.sjms.ai)在此基礎上加了私有題庫:題目下發、答案永不下發,由服務端判分,杜絕"背題刷分"。
比如真題裏的一道:
> 男命,1974年生,生於美國。問:此人1996年發生何事?
> A. 患上嚴重抑鬱 / B. 回港認識現任妻子 / C. 交通意外人平安 / D. 得到意外之財
考的唔係"說得像不像",是斷得對不對。
我哋怎麼考的
用了命理評測基準 MingLi-Bench(開源,MIT),規則上兩個關鍵設定:
- 命盤預排注入(--astro):題目附帶 iztro 排好的八字+紫微盤——AI 唔使自己算,只管斷。這正是我哋的架構哲學:排盤交給確定性引擎,解讀交給 AI,考的就係解讀這一層。
- 思維鏈推理(--cot):讓模型先逐步推演再給答案,跟正式批盤時的工作方式一致。
隨機亂猜的及格線是 25%(四選一)。
第一場:本地練習賽(MingLi-Bench,160 題)
| 模型 | 得分 | 答對 | 相當於 |
|---|---|---|---|
| Pro 檔(付費解讀用) | 33.1% | 53 / 160 | 隨機值的 1.3 倍 |
| Flash 檔(免費快答用) | 29.4% | 47 / 160 | 隨機值的 1.2 倍 |
分類亮點:
- Pro 檔最強項:子女 50%、學業 45.5%、性格 42.9%、健康 35.3%——結構性判斷(格局/心性/六親)是它的強項;
- Flash 檔在財運上爆冷 69.2%,但學業只有 9.1%,發揮很不穩——所以免費層只適合快答,深讀定係要 Pro;
- 兩檔都在災劫、官非、運勢類全軍覆沒(合計 5 題全錯)——這類"某年突發何事"的刁鑽題,目前 AI 和人類選手一樣難啃,我哋如實攤開。
第二場:官方擂臺定分(神機妙算 private,495 題)
練習賽能自證,但總有人質疑"題是公開的、分是自己算的"。所以我哋上了 bench.sjms.ai 的正式擂臺——規則非常狠:私有題庫 495 題,答案永不下發,每家只有一次提交機會,提交即定分上榜,冇重考。
上場的是完整產品管線:生辰 → 我哋的紫微引擎確定性排盤 + lunar_python 八字四柱 → 完整盤面注入 prompt → Pro 模型斷題 → 服務端判分。
官方成績(2026-10-09 定分,task task_efea525e57909ec3):
| 指標 | 成績 |
|---|---|
| Top-1(計分題 382 題) | 41.9% |
| Top-2(前二含正解) | 62.8% |
| 95% 置信區間 | 37.3% – 46.8% |
| 覆蓋率 | 100%(495/495 全答) |
| 官方排名 | 第 7 名 / 14 家 |
榜單上下文(截至 2026-10-09,可在 bench.sjms.ai 實時覈對):
- 榜首是 Gemini-3.6(61.3%),第二名 GPT-5.6(58.4%)被官方人工標註「疑似聯網,未正常答題」,另有 2 家標「同源多應用」;
- 無任何標註的乾淨成績裏,我哋前面只有三家:Gemini-3.6、Claude Opus 5 吠陀全陣(50.0%)、Axiom 三層管線(45.5%)——全是旗艦級模型配重型管線;
- 我哋用消費級 mimo-v2.6-pro 打到 41.9%,是榜上用的最小模型,壓在 deepseek-chat(38.5%)上面。規模換成績,這筆賬是划算的;
- 參照系:該基準白皮書「排盤+旗艦模型」基線均值 36.2%,我哋高出 5.7 個百分點;
- 診斷切片:古籍題 44.4%、轉述題 34.4%、年譜題 22.7%(如實標註:年譜類是我哋的弱項)。
怎麼讀呢個分數
這唔係"AI 算命百發百中"的證明,恰恰相反——它畫出了能力邊界。
- 明顯跑贏隨機,也跑贏"排盤+旗艦模型"的行業基線(36.2%),說明盤面推理裏確實有可學的規律,唔係純話術;
- 但距離滿分很遠,說明命理斷事存在真實的不確定性——這和我哋一貫的說法一致:命盤給的是概率和傾向,唔係註定;
- 大賽題目本來就刁鑽(專挑命局裏的特殊年份),實戰批盤講格局、講趨避,可用度高於呢個裸分數;
- 一個被實測驗證的細節:把完整盤面(含飛宮四化、歲前將前諸星)原樣餵給模型,比壓縮摘要成績更好——所以我哋的解讀管線不省這點 token。
我哋更在意的其實是另一件事:命理 AI 行業裏,幾乎沒人敢把自己的模型放上公開考場。我哋敢,因爲「先驗後信」不只是 slogan——時事佔的每條預測公開蓋時間戳、到期標應驗;命盤引擎的每條斷言可查可驗;這次連 AI 本身的分數也攤出來給你看。
對我哋產品的直接影響
這次實測決定了命羅盤的後臺配置:
- 付費深度解讀走 Pro 模型——33.1% 對 29.4%,分差就係價差的理由;
- 免費快答走 Flash——29.4% 的水平應付日常快問夠用,但分類波動大,深度批盤別指望它;
- 奇門遁甲暫無公開題集,我哋用同樣的思路在做自己的奇門題庫,攢夠數量後會同樣公開成績。
侷限性聲明
選擇題只考"斷事",不考我哋日常做的"批盤寫作";預排盤由第三方庫生成,與我哋的引擎可能有細微差異;160 題的樣本量決定了分數有 ±7% 左右的統計誤差。成績僅代表該基準下的推理表現,不構成對命盤解讀效果的全面證明。
---
*數據可復現:MingLi-Bench 開源,任何人都能用同樣的題集複測。我哋的完整響應日誌存檔備查。*