与前沿AI模型同桌博弈：多人社交游戏平台实测

当扑克、外交遇上大语言模型

一款新出现的多人社交游戏平台正在Reddit社区引发讨论：玩家可以在扑克(Poker)、风险(Risk)、外交(Diplomacy)等经典策略游戏中，与朋友一同对战，或是单独挑战前沿AI模型。

这类平台的核心卖点并不在于游戏本身有多复杂，而在于它把当下最先进的大语言模型（frontier AI models）直接放到了牌桌对面。你不再是与固定脚本的NPC博弈，而是面对具备推理、谈判与策略调整能力的AI对手。

可以“对话”的AI对手

该平台最值得关注的设计，是允许玩家与AI进行自然语言交流。发帖者特别强调：“你可以和它们对话，并改变策略与结果。”

这一点在《外交》(Diplomacy)这类游戏中尤为关键。《外交》本身就是一款高度依赖谈判、结盟与背叛的游戏——它长期被视为衡量AI社交推理能力的重要基准。此前Meta的CICERO曾在该游戏中达到人类玩家水平，证明了大模型在多方博弈中进行说服与协商的潜力。

把这种能力搬进消费级游戏平台，意味着普通用户第一次能以“聊天”的方式去试探、误导甚至联合AI，观察它如何回应人类的语言策略。这种交互远比传统的按钮式操作更具沉浸感。

为什么选择这三款游戏

扑克、风险、外交各自代表了不同维度的博弈挑战：

• 扑克：不完全信息博弈的代表，考验概率计算、下注策略与虚张声势(bluffing)能力。
• 风险：涉及资源分配、领土扩张与长期规划的策略战棋。
• 外交：几乎不含随机性，胜负完全取决于玩家之间的谈判与信任管理。

这三款游戏组合在一起，恰好覆盖了从数值计算到社交操纵的完整能力谱系，是检验AI综合博弈水平的理想试验场。

从博弈论角度看，这三款游戏分别对应不同的信息结构与解决方案概念。扑克属于不完全信息博弈，学术上已有CFR（反事实后悔最小化）等算法取得接近纳什均衡的策略，Libratus和Pluribus等AI系统曾多次击败职业选手。风险则是完全信息的多人零和博弈，理论上极难求解，因为联盟的形成与瓦解带来指数级状态空间。外交是多人非零和博弈，不含骰子等随机元素，所有结果由玩家同步提交的指令决定，理论上最纯粹，却也因社交变量最难以形式化建模。三者合并恰好形成一套从"概率计算"到"语义欺骗"的能力梯度，使单一平台兼具基准测试的多维覆盖价值。

从娱乐到能力评测的双重价值

从玩家角度看，这类平台提供的是“能不能打赢AI”的直接体验；而从更宏观的视角看，它实际上是一个开放的AI能力众测环境。

当成千上万名玩家在扑克桌上试图诈唬AI，或在外交谈判中设局背叛时，产生的对局数据本身就是对前沿模型社交与策略能力的真实压力测试。玩家的每一次获胜，都在暴露当前模型在博弈论、心理博弈或长期规划上的短板。

对研究者而言，游戏化的评测环境比标准化基准测试更接近真实世界——它包含欺骗、结盟、情绪操纵等难以用固定题库衡量的能力。

传统AI基准测试（如MMLU、HumanEval）依赖静态题库，存在"过拟合评测集"的固有缺陷——模型可能在训练数据中见过类似题目而表现虚高。游戏化众测的优势在于对局具有高度随机性与对抗性：每位人类玩家都是一个动态的"红队成员"，会自发尝试语言欺骗、虚假承诺、情绪施压等非标准化策略。这类数据难以被预先收录进训练集，因此能更真实地反映模型在分布外场景（out-of-distribution）下的鲁棒性。部分AI安全研究者也将多方谈判游戏视为观测模型是否会主动产生欺骗性输出的天然测试床，其学术价值不亚于纯娱乐层面的吸引力。

尝鲜时需要注意的地方

作为一款社区推广阶段的产品，目前公开信息仍然有限。原帖并未披露平台背后使用的是哪些具体模型、是否收费、以及数据如何被使用。

对于想尝试的用户，建议关注几个问题：AI对手对应的是哪一档模型（这直接决定难度）；多人对局中AI与真人如何混合匹配；以及对话内容是否会被用于后续训练。

无论如何，把前沿AI搬上牌桌、让人人都能亲手挑战，这种“寓测于乐”的方式，正在成为公众理解AI真实能力边界的一条有趣路径。

背景补充

Meta的CICERO于2022年发布，是首个在《外交》游戏中达到人类顶级玩家水平的AI系统。它将语言模型与战略推理模块结合，能够生成具有说服力的外交话语，并在保持长期博弈意图的同时动态调整谈判措辞。CICERO的出现标志着AI在"开放式自然语言+多方博弈"场景中的关键突破，此前学术界普遍认为《外交》因其高度依赖人类社交直觉而难以被AI攻克。值得注意的是，CICERO在实验室受控环境下表现优异，但也暴露出大模型在"战略性欺骗"与"承诺可信度"之间的内在张力——这正是消费级平台让普通玩家与之直接交互时最值得观察的维度。