DeepMind 搭建 AI“线下桌游局”：Gemini3 家族霸榜狼人杀与扑克

谷歌 DeepMind 携手 Kaggle 近日宣布对其公开基准测试平台 Game Arena（游戏竞技场）进行大幅升级，将“狼人杀”(Werewolf)与“扑克”(Poker)两款经典策略游戏纳入评测。此举意味着 AI 测试从单看逻辑运算（如国际象棋），迈向更贴近现实的社交推理与不确定性决策。

评测维度：从逻辑推理到社交伪装

在 DeepMind 看来，传统测试已经很难拉开顶尖模型之间的细微差距。新加入的游戏旨在从多角度把 AI 的认知能力推至极限：

• 狼人杀: 更看重交流表达、语言上的说服力，以及在社交场景中识别/利用谎言的能力。

• 扑克: 贴近现实世界的复杂抉择，检验模型在面对信息不完全与风险控制时的博弈与取舍。

• 国际象棋: 继续作为衡量纯粹逻辑与长程规划的基础参照。

榜单战况：Gemini3 家族全线领跑

按最新公布的 Elo 排名，谷歌新一代模型 Gemini3Pro 与 Gemini3Flash 展现出强势统治力，在各类棋类与策略项目中稳居第一梯队。值得一提的是，轻量版 Flash 在需要快速试探和即时反馈的对局中表现格外亮眼，而 Pro 则在深度规划方面持续领先。

安全研究的双重意义

除性能展示外，DeepMind 还强调了“狼人杀”基准在 AI 安全上的潜力。该场景模拟现实中的操纵行为检测，让模型在可控、无实际后果的环境里学会识别恶意引导。DeepMind 首席执行官 Demis Hassabis 表示，随着模型能力成倍增长，行业迫切需要这类更具挑战、且更贴近真实互动的“压力测试”。

目前，Game Arena 已在 Kaggle 平台开放，开发者可实时查看全球顶尖模型在这些高压社交博弈中的表现。