这是苍何的第 篇原创！

大家好，我是苍何。

从热爱足球到建立 AI 娱乐擂台

上一次卡塔尔娱乐。我还在结晶组织，那一年我还没到 岁，感觉还有很多牛逼没吹完。和朋友们一起加班、喝酒、看球，甚至踩着箱子也能有天下无敌的劲。梅西捧杯那刻，我们举杯庆祝：冠军只有一个，但每个人都有为梦想努力的机会。

我们热爱足球这项运动，因为它寄托了普通人平凡生活的英雄梦想。

于是我花几天时间做了个娱乐 AI 模型竞技场网站。想让主流大模型同台竞技，预测赛事结果并自动评分。

主要功能与模型阵容

• 焦点对阵、模型对比、积分榜
• 支持 Claude Opus、ChatGPT、grok‑、gemini‑、qwen3‑max、deepseek‑v4‑pro、glm‑、kimi‑k2‑code、MiniMax-M3 等顶级 AI 模型
• 赛程数据直接来自国际足联 FIFA 官方 API。保持与官方同步

开源与自定义部署

我已将项目开源，使用者可以自由自定义模型 API 或者 fork 后在 Vercel 上快速部署。

说到流程，从 Kimi 到 K2 Code 的迭代

使用 Kimi 最新最强模型 kimi-k–code 进行快速开发。设计稿，再让 k2.–code 读取视觉输入并生成代码，实现极致效率。

Kimi 与 k2.–code 的协作步骤

1. Kimi Code 接入 WeSight；更新后就可以使用，
2. 用 GPT image 创建视觉设计稿，接下来交给 k2.–code 阅读。
3. K2.–code 根据设计稿快速生成网站框架，并修复报错与细节调整。
4. K2.–code 自动搜索最新顶流模型的 API 接入方式，实现即时集成。话说回来，

User Pain Points & Solutions

• Token 成本高昂：K2.–code 在 reasoning-token 使用量更低。相比 Claude Opus 输入成本下降约30%，输出成本下降约25%。 可先用 K2.–code 初始化。再交给 GPT 完成 CR，以节省费用。
• 数据源获取困难：K2.–code 能直接调用 FIFA 官方 API，无需自行爬取；老实说，若缺少历史交锋信息，可手动补充或让模型建议维度
• MVP 后续调优难度：MVP 较快完成。但长时任务和复杂需求仍需手动干预；按理说，使用 /goal 命令时可能会停掉，需要监控状态或手动恢复。
• API 配额压力：项目已烧费数百元且欠费状态，如有赞助可缓解 Token 缺口。

技术挑战与未来展望

虽然 MVP 已完成，但仍有改进空间：历史赛程是否需要批量跑数据？如何进一步提高预测准确性？未来计划继续调整多模态编程能力和精细化维度分析，以实现更客观、更可靠的预测结果。

A.I. 娱乐 Arena 的意义

I 用代码写下预测。用 AI 模型替代酒桌上的争论，用深夜换一群人的狂欢。通宵开发让我重新找回守在电视前等开球的兴奋感。话说回来，技术变迁不改对足球的热爱，对未知结果的期待始终不变。这正是技术最浪漫之处——以自己的方式靠近热爱的事物。说起来，

If you want to try it out…

I am 苍何。一个热爱足球也热爱代码的普通人，我们下期见！如果你也想玩玩欢迎来体验，并告诉我你觉得哪个模型预测得最准。