第一次看AI打牌，明星模型居然集体翻盘？丨开源项目CATA

哈喽大家好！

我是阿星

最近我做了一件有点离谱的事——

看了一下午AI打牌

想象一下这个画面：

8个世界上最聪明的大脑（虽然现在是硅基的），

AI们揣着1000筹码坐上虚拟赌桌，

一场AI之间的德州扑克“饥饿游戏”就此开始！

就是这个叫CATArena的项目！AI勾心斗角现场

比赛规则

反直觉当红炸子鸡差点落榜

在首届线上公开赛当中，Claude系列连进入前三都办不到，然而Qwen与GPT-5一同登上了榜首位置，这样的结果跟许多仅仅依靠做题得出的榜单是不是存在很大差异呢？

好笑至极的是，AI能够仿若观看“武林秘籍”那般，去钻研对手的套路，进而迭代自身的策略，这简直是将“卷”这个字铭刻进了AI的DNA当中。

初始的时候，Claude处于落后状态德信竞技，然而，由于其学习能力甚是强大，进而凭借自身力量实现了逆袭，-_-||。

从总体上来进行观察，在五子棋这个项目当中，GPT – 5展现出强大的实力从而获得冠军，Claude – 3.7位居第二；而在德州扑克这个项目里面，Claude – 4常常是冠军获得者，OpenAI – CodeX多次获得亚军。

有AI在浑水摸鱼……

更加有意思的是，他们还放置了一个DeepSeek来执行随机策略，而这一位是那种胡乱打的类型！

倘若有一个人工智能，它居然连那个处于蒙眼状态下随意乱打的随机参赛选手都无法战胜，那可就着实尴尬万分了……

同时也起到一个对比，

就像考试时有个学生全靠蒙答案，

其他学生分数如果比他高，

就能证明其他学生是真的有实力，而不是运气好。

让人心里难受了！那些能够编写代码的人，并不一定下棋水平高，1. 并且还预先设定了一个对照，用以查看人工智能是不是爱说空话！

LLM – Player等于，AI直接看着棋盘说我下这里，这是纯推理能力 。

人工智能所具备的编程实现能力，能够让人工智能在名为Code Agent的东西里，去创作一个用于下棋的程序 。

如果写程序的AI还不如直接下的，说明编程能力一般。

现在结果是，AI所写出的程序常常还比不上自己直接去玩，•ᴗ•会下棋可不等于会写下棋程序，这就如同会开车并不等于会造车一样，多数由AI写出的程序太过简单，反倒对自身发挥造成了限制！

这……

比如说，让人工智能直接凭借直觉去下棋，相较于让人工智能先编写一个下棋程序然后再进行下棋，通过这般对比能够看出，“编程能力”究竟有没有实际作用——。

完全开源，怎么玩你说了算！

那么，重点来了！

这么酷的项目，它完全开源！

CATArena是一处供开展AI能力的“游乐场”，它是开放的，且其中无论是规则，还是游戏，你都能够自己去进行定义。

这不再是一个简简单单的评测了，它是一个正处于生长状态的，归属于所有开发者以及AI爱好者的超级社区实验。

这意味着什么？

意味着你我不只是观众，也能成为裁判甚至游戏设计师！

你觉得让AI打王者会不会更精彩？

或者搞个“AI商业参谋大赛”，看谁收益率最高？

甚至，人、AI、代码Agent三方混战…

阿星光是想想就头皮发麻！Σ(⊙⊙”a

想进一步研究的同学可以看他们论文

把论文原文全部过一遍以后得出的结论就是，商业AI的表现更加出色，对于简单游戏它学起来速度极其快，关键在于它不需要大量的人工去进行标注而且还能够实现扩展，这直接为AI评估提供了一种全新的思路！

当看完那些在牌桌上进行着勾心斗角的 AI 后，我突然间产生了一种感觉，那就是对于真正的智能而言，不能仅仅去看那种只依靠刷题的“死记硬背”方式，而是还得要看其策略编码的能力，以及效率方面的表现，还有策略方面的表现。

要置入这般复杂的，动态的，还得持续学习以及对抗的环境之中去检验。这大约便是AGI评测应有的模样了——并非局限于答题，更与生存以及进化相关联。

来，预测一下

你觉得下一周，德州扑克的胜率之王会是哪个模型？

我是阿星，我们下期再见！