这是标题

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

举例来说，于首届线上公开赛当中德信竞技，Claude系列连前三名都未能进入，然而Qwen与GPT – 5共同占据首位，这样的结果是不是跟诸多仅靠做题得出的榜单存在很大差异呢？

有这样一种情况，特别逗趣，那就是AI能够如同去钻研如同“武林秘籍”般的存在一样，去探究对手所采用的套路，进而对自身的策略进行迭代。而这种情形，简直就如同已然将“卷”这个字深深镶嵌进了AI的DNA当中。

起初，Claude处于落后状态，然而，因其学习能力极为强大，进而凭借自身实现了逆袭，-_-||。

整体而言，在五子棋这个项目当中，GPT – 5展现出强大的实力从而取得冠军，Claude – 3.7排在其次；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……

更有意思的是，他们放了个DeepSeek，去做随机策略，这哥们属于瞎打！

要是一个人工智能连那个施行蒙眼随意击打行为的随机参赛选手都没有办法取得胜利，那可就着实尴尬了……

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。

痛心了！能够编写代码的并非必然棋艺精湛，1. 并且预先设定了一个对照，以此查看人工智能是否喜好夸夸其谈！

LLM – Player等于，具备纯推理能力的AI，能够直接看着棋盘说出“我下这里” 。

人工智能，也就是代码智能编程体，要编写一个用来下棋的程序，具备编程实现的能力 。

如果写程序的AI还不如直接下的，说明编程能力一般。

结果当下经由AI所撰写出来的程序，常常还比不上自己直接去玩，会下棋并不等同于会写下棋程序，这正如会开车并不等同于会造车，多数由AI写出的程序太过简易，反倒对自身的发挥造成了限制！

这……

好比是让人工智能直接凭借本能的直观感觉前去下棋，相较于让人工智能先去编写一个下棋的程序之后再去下棋，借由这样的相互比较能够看得出“编程的能力”究竟是不是具备实际效用——。

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”是一个处在开放状态由你来给其定义相关规则以及游戏的用于AI能力的“游乐场”，句号。

这不再只属于单纯的评测范畴，它是一个处于生长态势之中的，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

论文原文整体得出的结论是，商业 AI 的表现更具优势，在简单游戏方面学习速度极快，关键在于无需大量人工进行标注且能够实现扩展，这直接为 AI 评估提供了一种全新的思路！

看完这些，在牌桌上互相算计、明争暗斗的AI，顿时间，我突然认为，真正称得上智能的，并非仅仅着眼于只通过刷题这般“死记硬背”的方式，更得看策略编码的能力，以及效率方面的呈现，包括策略方面的表现。

要放置在这般复杂的环境里检验，这环境是动态变化的，还需要持续学习以及对抗。大概这就是AGI评测应有的那般模样，它不止是关于答题，更和生存与进化相关联。

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！