第一次围观AI打牌，明星模型居然集体翻车？丨开源项目CATArena拆解

🍎

第一次围观AI打牌，明星模型居然集体翻车？丨开源项目CATArena拆解 🍎 第一次围观AI打牌，明星模型居然集体翻车？丨开源项目CATArena拆解 Modified December 30, 2025 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👇 论文原文整体下来结论是商业 AI 表现更能打，简单游戏学起来飞快，关键不用大量人工标注还能扩展，直接给 AI 评估提供了个新思路！看完这些AI在牌桌上勾心斗角，我忽然觉得，真正的智能，不能看只刷题那种“死记硬背”，还要看策略编码能力、效率表现、策略表现。就应该放在这样复杂、动态、需要持续学习和对抗的环境里检验。这大概就是AGI评测该有的样子——不止于答题，更关乎生存与进化。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？ 🔥 想亲眼观战/亲自搞事的，传送门在这：围观AI神仙打架 👉 catarena.ai 我是阿星，我们下期再见！👋 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👇 论文原文整体下来结论是商业 AI 表现更能打，简单游戏学起来飞快，关键不用大量人工标注还能扩展，直接给 AI 评估提供了个新思路！看完这些AI在牌桌上勾心斗角，我忽然觉得，真正的智能，不能看只刷题那种“死记硬背”，还要看策略编码能力、效率表现、策略表现。就应该放在这样复杂、动态、需要持续学习和对抗的环境里检验。这大概就是AGI评测该有的样子——不止于答题，更关乎生存与进化。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？ 🔥 想亲眼观战/亲自搞事的，传送门在这：围观AI神仙打架 👉 catarena.ai 我是阿星，我们下期再见！👋 原文：https://mp.weixin.qq.com/s/JD mb5ETBGjSvBWt3vRYg 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 • • 开局： 8位AI选手，每人1000筹码 • • 过程：最多打60手牌，输光就淘汰 • • 结局：要么打到只剩一个“赌王”，要么60手后比谁筹码多 • • 计分骚操作：冠军通吃！赢家算“击败了所有其他7人”，其他人统统记一次失败。这就是传说中的“胜者全得”！反直觉当红炸子鸡差点落榜比如在首届线上公开赛里，Claude系列连前三都没进，而Qwen和GPT 5共同登顶，这个结果是不是和很多纯做题的榜单很不一样？最搞笑的是😂AI能像看“武林秘籍”一样，研究对手的套路，迭代自己的策略。这简直是把“卷”字刻进了AI的DNA里。一开始Claude是落后的，结果因为学习能力太强又自个儿逆袭了 || 总得来看五子棋项目中 GPT 5 表现强势拿冠军，Claude 3.7 居次；德州扑克项目里 Claude 4 是冠军常客，OpenAI CodeX 多获亚军。有AI在浑水摸鱼…… 更有意思的是他们还放了个DeepSeek做随机策略，这哥们属于瞎打！如果一个AI连这个“蒙眼乱打”的随机选手都赢不了就尴尬了…… 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。扎心了！会写代码的不一定下棋好 1. 1. 还预设了个对照看AI是不是爱打嘴炮！ LLM Player =AI直接看棋盘说"我下这里"（纯推理能力） Code Agent = AI写个程序来下棋（编程实现能力）如果写程序的AI还不如直接下的，说明编程能力一般。结果现在的AI写写出来的程序经常还不如自己直接玩 •ᴗ•💧会下棋≠会写下棋程序（就像会开车≠会造车），大多数AI写的程序太简单，反而限制了自己的发挥！这…… 就像让AI直接凭直觉下棋vs 让AI先写个下棋程序再下棋，通过对比能看出"编程能力"到底有没有用—— 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就是一个开放的AI能力“游乐场”，规则和游戏都可以你来定义。这已经不是一个单纯的评测了，这是一个正在生长的、属于所有开发者和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！

在小宇宙note 阅读完整内容