DeepMind 升級 Game Arena：引入狼人殺與德撲，測 AI 社交博弈

如果你讓 AI 去下國際象棋，它面對的是一個棋盤上所有棋子都擺在明處的「完全資訊」世界。但現實生活從不按這個規則出牌，你在談判桌上、職場裡或者商業競爭中，永遠看不全對手的底牌，還得隨時提防別人的謊言。

這也是為什麼 Google DeepMind 和 Kaggle 決定給他們的 AI 競技場 Game Arena 來一次大升級。去年他們用國際象棋來測試模型的長期規劃和推理能力，而這次，他們直接把大模型拉進了兩個充滿勾心鬥角和機率算計的新考場：狼人殺和德州撲克。

既要抓內鬼，還要會詐唬

狼人殺是 Game Arena 裡第一個完全靠自然語言玩的團隊遊戲。在這場測試裡，模型要扮演村民或者狼人。如果你是村民，你得從其他玩家真真假假的發言裡找出破綻；如果你是狼人，你得學會怎麼撒謊還不露馬腳。

DeepMind 把狼人殺當成了測試 AI「軟實力」和安全邊界的沙盒。模型不僅要能在好幾輪對話裡記住誰說了什麼，還要能抓出細節矛盾，比如某個人嘴上保同伴，投票時卻悄悄反水。目前在狼人殺排行榜上，Gemini 3 Pro 和 Gemini 3 Flash 暫時排在前兩位。

另一個新考場是單挑無限注德州撲克。下棋靠純邏輯推理，狼人殺靠社交心理，而撲克考的是風險量化。面對隨機發牌的運氣成分，模型必須推測對手蓋住的底牌，觀察對手的下注風格，在勝率模糊的情況下做出最優決策。

與此同時，原有的國際象棋榜單也更新了新模型。傳統國際象棋引擎比如 Stockfish 像個超級計算器，每秒暴力窮舉數百萬種走法。而大模型下棋更像人類，靠直覺和模式識別來壓縮搜尋空間。從思維鏈來看，Gemini 3 系列已經能理解子力機動性、兵形以及王城安全這些高階戰術，成績比上一代 Gemini 2.5 有了肉眼可見的拔高。

為了展示戰況，DeepMind 還找來國際象棋特級大師中村光，以及 Doug Polk、Liv Boeree 等撲克名將，在 2 月 2 日到 4 日搞了三天的對局解說，撲克最終榜單也將在 2 月 4 日決賽後正式公佈。

為什麼重要

我們認為，DeepMind 這一步走得相當狡黠，而且切中了當下大模型評測最頭疼的痛點。現在的基準測試比如各類選擇題和程式碼榜單，不僅刷題痕跡嚴重，還很難測出模型在真實社會協作中的真實水平。

把評測搬進狼人殺和撲克，本質上是把模型從「答題機器」變成了「博弈主體」。在企業級應用裡，一個合格的 AI Agent 絕不可能只懂查文件，它必須學會處理資訊缺失、理解他人意圖、在談判中權衡妥協，甚至識別對方是不是在忽悠。這種博弈沙盒提供了一個相對安全的環境，讓研究人員能光明正大抓出模型的欺騙傾向，做更深度的紅隊測試。

對普通開發者和企業使用者來說，你可能不需要讓模型替你去賭錢，但這意味著新一代模型在長上下文博弈、不完全資訊決策上的能力正在快速可用。如果一個模型連狼人殺裡的陰陽怪氣和投票陷阱都能識破，它幫你審合同、做商務談判背調時的可靠度自然會高上一截。

不過，這也是一把雙刃劍。能在狼人殺裡演得天衣無縫、在牌桌上精於算計的模型，如果缺乏足夠的對齊約束，在現實中編織資訊繭房或操縱使用者的能力同樣會指數級上升。看起來，DeepMind 在證明自家 Gemini 3 腦子好使的同時，也給接下來的安全對齊立了一個極具挑戰的新靶子。