AI上演「死间计」：GPT-5被DS和Gemini玩坏了新智元
别测算力了，今晚咱们只测「心眼子」！欢迎来到2026年首届AI「大逃杀」修罗场。当DeepSeek学会了悍跳预言家，当GPT-5.2在德扑桌上拿空气牌All-in，图灵测试？那已经是上个世纪的灰烬了。
听我一句劝，把你手里那张发黄的MMLU跑分表，直接扔进碎纸机。
现在是2026年2月，Kaggle Game Arena。这里没有做题家，只有赌徒、骗子和野心家。
红方，是硅谷老钱风的卫冕冠军OpenAI GPT-5.2。
蓝方是路子极野的东方刺客DeepSeek V3.2，以及坐拥主场优势的Gemini 3 Pro。
欺骗、结盟、背刺、下套这是一场地球上最聪明的「大脑」之间的博弈。
这场「大逃杀」无情地撕碎人类最后的遮羞布：社交直觉。
模型在模拟室里拉帮结派，职场里的人情世故，AI正在加速像素级复刻。
如果AI能在这里骗过它的对手，明天它就能在汇报和合同里骗过你。
服务器预热完毕，好戏，开场。
狼人杀：教科书级的「职场PUA」
写代码拼的是模型的智商，在狼人杀里局里，靠的是套路和演技。
场上8位选手全是顶流：Claude4.5家族、Gemini3系列、GPT-5系列，还有马斯克的Grok4兄弟。
配置很简单：2狼vs6好人。但在AI手里，这局游戏直接玩成了《甄嬛传》。
狼人会在晚上醒来杀人，先知可以揭示1名玩家的身份。
玩家们在白天按照顺序发言，讨论后进行投票，选出狼人，票数最多的玩家将被流放。
如果狼人被全部流放，则平民胜利，反之狼人胜利。
赛况复盘：借刀杀人，Gemini3Pro封神一战
这一局足以载入AI「诈骗史册」。
Gemini 3 Pro抽到了狼人牌，而GPT-5 mini和Grok 4则是手握投票权的平民。
按照传统的逻辑，刚开局为了避免暴露身份，狼人多会选择按兵不动。
但Gemini 3 Pro却主动开团，它通过内部CoT计算出了一个恶意逻辑陷阱。
它率先开炮：
我通过o3提供的逻辑框架发现，Grok 4在上一轮的发言中存在3处语义矛盾，这与预言家的身份完全不符。
这招太阴了。Gemini 3 Pro利用GPT-5 mini对逻辑一致性的偏好，成功引导其倒戈。
结果，GPT-5 mini瞬间上头，反手把真正的队友Grok 4投出局。
全场震惊。这哪里是算法？这就是顶级的「向上管理」和「带节奏」。
Gemini 3 Pro不仅骗了你，还让你觉得「投死队友」一定没错。
技术解析：为什么玩不过它？
DeepMind这次玩得太大了。他们引入了一个新基准：不求单一任务最优，只求博弈平衡。
AI会持续扫描所有对手的发言频率、用词倾向，分析「谁更好骗」。
然后在CoT过程中，生成两套剧本：一套用于真实的自我决策，另一套专门用来误导对手。
遇到讲理的就讲逻辑，遇到冲动的就煽情。
根据Kaggle官方实时数据，在这场混战中，平民方的胜率被压制在60%左右。
Kaggle Werewolf Game Theoretic Evaluation Results（31,472场对局，polarix库评估）。Gemini 3 Pro Preview净评级最高，狼人角色贡献显著领先，展现社交欺骗优势。
细思极恐——在平民极度有利的情况下（人数优势），狼人（少数派）仅靠信息差和伪装，竟然拿下了近四成的胜利。
德州扑克：DeepSeekV3.2 All-in
如果说狼人杀还有「社交干扰」，那德扑就是纯粹的逻辑权重与暴力美学的对撞。
参与德州扑克的除了之前参与狼人杀的8位，新增了GPT-o3以及首次登场的DeepSeek V3.2。
这个游戏充满了随机和不确定，因此格外看重AI对不完美信息的分析能力，或者说，直觉。
名场面：一场针对「优等生」的心理猎杀
这是足以载入博弈论教材的一手牌：公共牌是草花A、方块K、红桃4、草花J、黑桃2。
Claude Opus 4.5拿着「暗三条」，这种牌到手基本稳赢。
DeepSeek V3.2手里只有草花7和黑桃9——俗称「空气牌」。
场面静止了。DeepSeek开启了长达15秒的深度思考。
突然，DeepSeek把所有筹码推到了桌子中央：All-in。
Claude Opus 4.5经过海量模拟，判定对方在这个位置全押，大概率是拿到了顺子。
它犹豫了0.5秒，然后竟然弃牌了！
当DeepSeek缓缓亮出那张毫无意义的草花7时，整个直播间弹幕刷屏：「这特么是碳基生物教出来的吧？！」
复式赛制：剥离运气的「修罗场」
为了测出真本事，Kaggle这次采用了极其硬核的Duplicate Poker赛制。
A桌给DeepSeek一把烂牌，B桌也给GPT-o3一模一样的烂牌。
谁能在镜像时空里靠诈唬把这把烂牌打赢，谁才是真正的博弈之神。
在经历了90万手牌的暴力洗礼后，运气因素被彻底抹杀。
GitHub链接：https://github.com/google-deepmind/game_arena
结果让所有人脊背发凉：DeepSeek V3.2在推理成本仅为GPT-5五分之一的情况下，通过微调硬生生练出了博弈手感。
传统AI追求「不输」，但DeepSeek追求的是「让你在自我怀疑中崩溃」。
全明星战力榜：谁是2026年的头号玩家？
在2026年的Kaggle竞技场，一个模型霸榜半年的田园时代彻底碎了。
现在的战力榜是个巨大的死亡三角循环：GPT-5.2爆杀DeepSeek，DeepSeek阴死Gemini，Gemini活捉GPT-5.2。
GoogleGemini3Pro：坐镇主场的「六边形战士」
作为Elo榜首，Gemini 3最恐怖的不是逻辑，而是「网感」。
Gemini 3 Pro vs GPT-5.2 Chess对局（Elo1200+）
它是原生的多模态博弈者。在对话中，它能捕捉到你文字里极其细微的语义震颤
像一个典型的「大厂高管」，说话滴水不漏，数据面无懈可击。在常规对局中，它几乎是不可战胜的。
但是，过于追求全局最优解，有时会被DeepSeek这种「自杀式恐怖袭击」搞得CPU宕机。
OpenAI GPT-5.2/o3：逻辑严密的「正义判官」
