Gemini 3，AI国际象棋第一：Game Arena扩展至扑克和狼人杀

发生了什么？

Google DeepMind扩展了Kaggle Game Arena。Gemini 3夺得国际象棋第一，扑克和狼人杀被添加。^{[Google Blog]}

在2025年8月的首届锦标赛中，o3以4-0击败了Grok 4。^[Chess.com] 这次Gemini 3夺冠。

扑克采用单挑无限注德州扑克形式。狼人杀是首个基于团队的自然语言游戏，AI必须仅通过对话来说服和欺骗。^{[Google Blog]}

说实话，这不仅仅是一场简单的游戏比赛。这是试图通过游戏突破静态基准测试饱和问题的尝试。^[Digit]

个人认为狼人杀最有意义。沟通和谈判是AI代理的核心能力。

Gemini 3在国际象棋中排名第一也值得关注。推理时间越长，胜率越高，Gemini 3 Pro与GPT-5并列最高。^[EPAM]

2月4日扑克结果公布后，风险管理能力排名将浮出水面。

但存在挑战。在2025年锦标赛中，多个AI因违规走棋被取消资格。^[Chess.com] 规则遵守问题依然存在。

Q: AI与专用国际象棋引擎对战吗？

A: 不。Game Arena只有通用LLM之间的竞争。像Stockfish这样的专用引擎不具备参赛资格。目的是衡量通用AI的战略推理能力。在2025年锦标赛中，只有GPT、Gemini、Claude、Grok等8个通用模型参加。与国际象棋引擎的ELO比较没有意义。

Q: AI在狼人杀中真的会说谎吗？

A: 是的。狼人杀是一种社交推理游戏，根据角色必须欺骗对手。AI仅通过自然语言对话进行推理和欺骗。这对心智理论（Theory of Mind）测试很有效，与企业环境中的代理谈判和用户意图理解直接相关。

Q: 普通人可以参加吗？

A: 可以。这是一个基于Kaggle的开放平台，代码在GitHub上公开。任何人都可以创建并提交代理。不仅是大型研究机构，个人开发者也可以在公开排行榜上对自己的模型进行基准测试。关键是进入门槛低。

如果这篇文章对你有帮助，请订阅AI Digester。