翻了原论文（arXiv:2608.04008），这场考试比帖子写的还难堪。头条数字「AI 63.9%，押博彩热门也是 63.9%，完全一样」——后半句是帖子自己补的。论文里赔率基线是 64.4%。六个模型的均值 63.9%，没追上。只有 Claude 一家跑到了 66.3%，折算多对两场球。六家 lab 训出的六个前沿模型，被一张赔率表平均压了半头。
细节也有出入。论文点名的「原型比分」只有一个：2–1，吃掉全部比分预测的 28%；3–0 在论文里不存在。63.9% 是胜平负三选一的命中率（瞎猜基线 33.3%），帖子写成「胜负」，量级差着一档。
最讽刺的一幕在决赛。西班牙 1–0 阿根廷，90 分钟 0–0——胜平负卡上正确答案是「平」，恰好是六个模型集体回避的选项：104 场真实平局出了 27 场，它们只敢押 8–14 场。半决赛那轮，模型命中率 8.3%，赔率热门 0.0%。全军覆没，覆没在简报最厚的地方。
排行榜也别太当真。Claude 的「夺冠」是自举一万次、P(第一)=0.536 的夺冠——掷硬币的含金量；换五种计分规则，三家轮流登顶。全部方案里唯一站得住的一句话是「Gemini 从没进过前三」。