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
-
- 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！
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？
我是阿星，我们下期再见！👋
