簡而言之

  • Lichess 以每著一百萬節點的一次伺服器分析為你的著法貼標。我以兩千萬節點重新分析了 300 局隨機對局，並比對每一個標記。
  • 每十個標記就有一個改變。「不精確」是最不穩定的那一個：57% 成立，28% 其實毫無問題，15% 其實更糟。
  • 每二十局就有一局存在完全沒被標出的失誤，多半落在半個兵到三個兵之間，也就是勝負的分界處。
  • 其中三十二個未被標出的失誤，取自有頭銜棋手的對局，做成了一份謎題研究。

上週一局快棋，Lichess 標出了我的八著。第 20 著不在其中，而它是個失誤，是那局中報告從未提及的三個失誤之一。伺服器認為 20.Qd1 之前是 +1.2，之後是 +0.9，跌幅太小不足以標記。給 Stockfish 二十倍的時間，結果是之前 +2.0、之後 +0.7。

一局快棋 71 個半著上的兩條評估值曲線，Lichess 為一百萬節點，Stockfish 為兩千萬節點。前十九著兩條線互相貼合，在第 20 著分岔。 同一局棋評估兩次。Lichess 的曲線就是它圖表上顯示的內容；圓點是它標出的著法，雙方都有。圓圈是較深搜尋判為失誤、而它沒有標出的三著：20、24 與 26。

我想知道這種情形有多常發生，於是以伺服器預算的二十倍重新分析了 300 局隨機對局，並以四倍分析了九位有頭銜棋手的 800 局，比對每一個標記。十個裡有一個改變。「不精確」標記是最該存疑的那個。而每二十局就有一局存在完全沒被標出的失誤，謎題就是從那裡來的。

標記是怎麼產生的

伺服器分析（fishnet，跑在捐贈 CPU 上的 Stockfish）對局中每個局面評估一次，每著 1,000,000 節點，大約是一個核心一秒的量。每個標記都是兩個數字之差：你走著法之前的局面與之後的局面，換算成勝率，所以在 0.00 處失手半個兵，比在 +5 處失手半個兵更嚴重。勝率下降 0.1 為不精確，0.2 為失誤，0.3 為嚴重失誤。

所以標記只看得見一百萬節點看得見的東西，前後兩端都是。如果搜尋始終找不到反駁手段，「之前」那個數字就從未知道你手上有什麼，而你的著法相對於它也就沒有損失。我的 20.Qd1 正是這種情形：更好的格子只差一路，而懲罰要比一秒搜尋所能看到的再晚三著才開始。

兩千萬節點下有什麼改變

以 300 局隨機的積分對局（1600 至 2400，取自 2026 年 8 月資料庫），用同樣的公式在 20,000,000 節點下重新評估：

  • 每十著就有一著改變標記。 改變的方向兩邊數量相當，所以對局摘要裡的總數幾乎不動，底下的著法卻變了。
  • 「不精確」是最不穩定的標記。 1,805 個 Lichess 判定的不精確中，57% 在深搜下仍是不精確，28% 其實毫無問題，15% 其實是失誤或嚴重失誤。嚴重失誤有 84% 站得住腳。
  • 每二十局就有一局存在完全沒被標出的失誤，而每八局就有一局有被標成失誤、但深搜下毫無問題的著法。兩者都集中在半個兵到三個兵之間，也就是決定勝負的區間。

同一套流程套用在九位有頭銜棋手各約一百局的自身著法上：Lichess 掛在 Magnus Carlsen 身上的失誤有四分之一在深搜下並非失誤，而其他人則是相反方向，每五個真正的失誤就有一個被貼上比實際更輕的標記。

棋手 對局數 Lichess 判失誤＋嚴重失誤 標記過輕 標記過重
Magnus Carlsen 104 195 18 (11%) 50 (26%)
Alireza Firouzja 104 215 45 (20%) 35 (16%)
Eric Rosen 102 225 45 (20%) 43 (19%)
Jerry（ChessNetwork） 104 287 45 (16%) 46 (16%)
Oleksandr Bortnyk 102 184 51 (25%) 30 (16%)
Sergei Zhigalko 103 218 53 (22%) 29 (13%)
Dmitry Andreikin 104 165 33 (19%) 26 (16%)
Ediz Gürel 61 117 37 (27%) 15 (13%)
Anish Giri 20 12 3 1

分析放過的五個漏網之魚

以下每個局面都出自那些對局。棋手走了圖上那一著，分析沒給任何標記，而兩千萬節點的搜尋判定它是失誤或更糟，且最佳著法是唯一的。棋盤一開始停在該著之前的局面，所以你可以先自己找更好的著法；往前走一步就會看到對局實走的著法連同它本該有的標記，而反駁手段是研究裡的變例，就在每個棋盤下方點一下即可。

Zhigalko，黑方走。 白方剛走 Be5，攻擊 c7 的后，黑方做了最自然的事：20…Qd7，讓后脫離攻擊。分析給出之前 −1.38、之後 −1.30，沒有損失。但那個后根本不需要救。20…Rxd2！棄掉這個兌換，21.Rxd2 後，兵著 21…c3！同時捉住 b2 的后與 d2 的車。白方把后拿回來（22.Bxc7 cxb2 23.Rxb2 Rxc7），最後剩下一個車對黑方的雙象加一馬：深搜下 −3.2，而退后只有 −1.3。反駁手段的第一著是丟失子力的一著，這正是一秒搜尋永遠看不到它的原因。

Bortnyk，黑方走。 20…b5 攻擊 c4 的象，分析從 −0.63 變成 −0.41。f5 的象本來可以直接吃馬：20…Bxe4！21.dxe4，接著另一隻馬落到 f4，再跟上 …e5 把象從 d4 趕走。黑方五著之內贏得子力，深搜下 −2.7；次佳著法 20…Nf4 立刻走，只有 −0.6。

Bortnyk，黑方走，后類殘局。 后加馬對后加車，白方的 a 兵是白方唯一的本錢。黑方走了 54…Qf6；分析說是 −1.58 到 −1.03。深搜下 Qf6 之後的局面是徹底的和棋。54…Qa7+！55.Kg3 Qxa4 帶將吃掉那個兵，殘局是 −2.1，勝勢。

Carlsen，黑方走。 白后在 g4，馬在 e4。Carlsen 走了 15…Ne5 攻擊后，分析從 −0.94 變成 −0.43。兵著 15…f5！同時攻擊兩者：16.Qh3 fxe4 17.Bxe4 之後，黑方用一兵換到一馬，局面 −1.9，而次佳著法（15…g6）落後一個半兵。淺層搜尋把 …f5 讀成鬆動王翼，把退馬讀成安全，兩種判讀都錯。

Gürel，白方走。 車類殘局，各有一馬；黑方 a3 的馬懸空，白方的 d 兵在 d5。白方走了 31.Nd4，分析給出 +1.42 到 +1.06。31.d6！才是正著：車必須擋住這個兵（31…Rxd6），接著 32.Nxa3 白吃一馬。深搜下 +3.9，而實走著法之後是 +0.9。

全部 32 個都收在這份研究裡，做成謎題：先是局面，接著標出實走著法，反駁手段作為變例並附上引擎數字，此外對局後續每一著只要 20M 搜尋判定有問題，都各自帶著標記與引擎變例。強制性解法排在前面，因為超出淺層視界的長戰術是人找得到的；平穩的那些排在後面。

讀懂你自己的報告

「零失誤」的意思是在一百萬節點下看不到失誤。嚴重失誤是真的，不精確只有一半是真的，而那些讓對手重新回到你原本領先一兩個兵的棋局裡的著法，最可能完全沒有標記。如果一局棋很重要，就用你自己的引擎跑它，讓它在 +0.5 到 +3 之間的局面上跑過搜尋深度 25。

測量方式

隨機樣本取自2026 年 8 月 Lichess 資料庫中每第十局已分析、且雙方積分都在 1600 到 2400 之間的對局：300 局，20,227 著帶有伺服器評估值。每個局面都經過 Stockfish 18（fishnet 所執行的主要版本），單執行緒 20,000,000 節點，再用 lila 自己的公式（Advice.scala：勝率差 0.1、0.2、0.3）產生第二套標記。那個公式套用在 Lichess 自己的評估值上時，能以 99.07% 的比例重現 Lichess 自己的標記，所以比較的兩邊都使用它。兩端任一有強制將死的 842 著被排除；lila 對那些採用另一套規則判定。節點預算寫在 lila 的 Work.Origin 裡：使用者請求的分析為 1,000,000，官方轉播為 5,000,000，自動分析則為 300,000 與 100,000。

Lichess 標記 20M 下無標記 不精確 失誤 嚴重失誤
無 15,281 496 13 2
不精確 504 1,033 233 35
失誤 27 190 367 151
嚴重失誤 12 18 134 889

九位棋手的對局取自公開 API 中他們最近一百局已分析的積分快棋與中速棋（七位在 2026 年仍活躍；Carlsen 與 Firouzja 今年在 Lichess 上沒有已分析的對局，所以他們的往回追到 2021 與 2023 年），採用較省的 4,000,000 節點分析。在隨機樣本上，4M 找出的約略略多於 20M 所找出的一半，所以棋手的比率是下限。一個謎題要能成立，必須是實走著法在 20M 下損失至少 0.2 勝率，而最佳著法比第二變例好 0.1 以上，搜尋三條變例；然後還要在對該局面的第二次獨立 20M 搜尋中，依然把實走著法判為失誤：35 個通過第一關，32 個通過第二關。這就是 20M 搜尋中雜訊的量級，也是為什麼較深的那次分析被視為離真相近二十倍，而不是視為真相本身。

資源：

來解這 32 個謎題 試試象棋謎題 給西洋棋玩家的象棋入門