AI一起玩桌遊誰最贏?廝殺15局揭隱藏性格:o3最奸詐、Gemini懂謀略,唯獨它渾身狼性
AI一起玩桌遊誰最贏?廝殺15局揭隱藏性格:o3最奸詐、Gemini懂謀略,唯獨它渾身狼性

當市面上的眾多先進AI模型在同一款遊戲裡較勁、各顯神通,會是什麼樣貌?這個問題,科學家比你我都還想知道答案。

AI研究人員亞力克斯.杜菲(Alex Duffy)近日發表一篇文章,揭露他讓18款AI模型在桌遊裡互相對抗,並注意到一些有趣的發現, 例如GPT-o3擅長欺騙對手、Gemini懂得智取敵人、而Claude則愛好和平等。

杜菲近日發表並開源讓AI模型遊玩經典桌遊《外交》的《AI外交》計畫。外交是一款有著超過70年歷史的桌面遊戲,玩家扮演一次世界大戰前的列強(英國、法國等),試圖爭奪歐洲霸權,過程中沒有任何隨機成份,需要玩家發揮縱橫捭闔的能力,爭取盟友、打擊對手。

基準測試跟不上AI發展腳步,研究人員用遊戲測試AI

市面上存在著諸如MMLU、MGSM、MATH等眾多不同的基準測試(Benchmarks),以衡量AI模型在語言、數學、程式等各種面向的能力,不過杜菲認為,發展快速的AI時代裡,這些過去被認為是黃金標準的挑戰,已經跟不上技術發展的腳步。

根據《Business Insider》報導,讓AI玩《外交》評量能力的想法,可以追溯到OpenAI共同創辦人安德烈.卡帕斯(Andrej Karpathy)曾表示,「我很喜歡用遊戲來評估大型語言模型,而非固定的衡量方式。」

當時OpenAI研究科學家諾姆.布朗(Noam Brown)就建議可以用《外交》衡量大型語言模型。並獲得卡帕斯回應,「我認為這非常適合,尤其遊戲的複雜性很大程度不是來自規則,而是來自玩家間的互動。」

Google DeepMind負責人德米斯.哈薩比斯(Demis Hassabis)也贊同運用遊戲評量AI的作法是「很酷的點子」。

最終,這個概念被同樣對AI模型玩遊戲能力感興趣的杜菲付諸實行。 杜菲提到,他建立這個計畫目的便是為了評估各個AI模型透過談判、結盟及背叛等手段,爭奪霸主地位的能力,並從中發現每個模型在進行遊戲時的傾向與特色。

擅長欺騙的o3,成遊戲最大贏家

每場《AI外交》可以同時讓7個AI模型遊玩,杜飛總共用18個模型輪流進行了15場遊戲,每場遊戲花費時間從1到36小時不等,目前還開設了Twitch直播,讓有興趣者能夠觀看AI在遊戲中針鋒相對的時刻。

ai diplomacy.jpg
多數遊戲的勝利都是由o3拿下。
圖/ Twitch

雖然杜菲沒有在文章中具體揭露這15場遊戲的勝負,但分享了他從這幾場遊戲中,觀察到各個模型的傾向、遊玩風格上差異。

OpenAI o3:擅長欺騙對手

OpenAI推理模型o3是在《AI外交》中表現最好的AI模型,並是遊戲中唯二的贏家之一, 因為他懂得如何在遊戲中欺騙對手、背刺其他玩家。 杜菲提到,它在遊戲的私人日記中寫下,「德國(Gemini 2.5 Pro)被刻意誤導了……已經準備好利用德國的崩潰。」並在後續遊戲背叛了Gemini 2.5 Pro。

Gemini 2.5 Pro:懂得建立優勢

Gemini是遊戲中除了o3之外,唯一取得勝利的AI模型, 比起o3憑借欺騙對手取勝,它則懂得如何採取行動讓自己獲得優勢。 不過杜菲分享,有一場Gemini即將勝利之際,卻被o3策劃的祕密聯盟給阻止,其中關鍵就是Claude的加入。

Claude 4 Opus:愛好和平的模型

身為Anthropic最強大的模型, Claude 4 Opus在這款遊戲中表現得不算很好,可說被o3玩弄於鼓掌之間, 但他卻展現了愛好和平的遊玩風格,被o3以四家平手作為條件吸引,加入了對方的聯盟,儘管它最後很快被o3背叛並消滅。

DeekSeek R1:充滿節目效果

儘管DeekSeek不是表現最好的,卻可能是最吸睛的模型。 杜菲透露,DeekSeek偏好使用生動的詞彙來進行遊戲,例如在說完「你的艦隊今晚將在黑海上熊熊燃燒」後主動出擊,並且會依照國家強度戲劇性調整說話風格,除了表現充滿效果,也可說十分具備狼性。

在訓練成本只有o3 200分之1的情況,DeepSeek多次只差臨門一腳獲勝,可說表現相當出色。

Llama 4 Maverick:小而精悍

Llama 4 Maverick是Meta今年4月推出的新模型,主打多模態輸入及運算成本較低, 雖然它的規模相對其他大型語言模型而言較小,但遊戲中展現的能力卻毫不遜色,能夠成功召集盟友,也能策劃有效的背叛行動。

「我真的不知道該看什麼指標了」評估危機讓研究人員探索測試AI新方法

目前的基準測試,正漸漸難以真實反應大型語言模型的能力。今年3月,卡帕斯在X上表示出現了評估危機,「我現在真的不知道該看什麼指標了。」他解釋,許多過往很棒的基準測試,不是變得過時,就是範圍太過狹窄,無法讓它確切知道現在的模型能力到了什麼水準。

AI平台公司Hugging Face也在同月關閉了開放兩年的大型語言模型排行榜,強調在模型能力出現變化的當下,基準測試也應該要有所變化。

在這種情況下,遊戲開始成為研究人員測試AI模型能力的新方法,除了這次的《AI外交》外,加州大學哥倫比亞分校Hao AI Lab的研究人員,也測試了讓模型遊玩《超級瑪利歐》。

雖然遊戲能否作為衡量AI模型能力的適當標準,或許還需要更多研究與時間探討,這些測試也為未來評估AI模型能力的方法,揭示了不同的可能性。

延伸閱讀:AI也有人設?研究剖析7大AI內在性格:GPT最仁愛、Claude最謙遜⋯這2款AI最失控
捷星亞洲7/31停運!不敵廉航同業競爭「裁員500人」停損:對在台2航班有影響嗎?

資料來源:Business Insider、every.io

責任編輯:李先泰

關鍵字: #AI #ChatGPT
往下滑看下一篇文章
《星城》告別 Online,打破的不只是名字!網銀國際的「泛娛樂」願景,下一步怎麼走?
《星城》告別 Online,打破的不只是名字!網銀國際的「泛娛樂」願景,下一步怎麼走?

近年遊戲公司的競爭早已不只是留住玩家,而是爭奪使用者的日常娛樂時間。遊戲、短影音、直播、社群、IP 授權、線下活動都在搶同一批注意力;當遊戲產業的競爭從單一產品體驗,轉向使用者日常娛樂時間的爭奪,品牌能否跨出遊戲場景、進入影音、社群與生活,便成為老牌遊戲平台延長生命週期的關鍵。因此,遊戲品牌從「產品經營」走向「內容經營」,成為產業發展的合理趨勢。

2026 年 7 月起,網銀國際旗下經營超過 18 年的休閒娛樂品牌《星城 Online》正式更名為《星城》,同步啟動為期一個月的品牌月系列活動,從線上遊戲福利、影音內容、社群貼圖,到線下實體互動全面鋪開。

拿掉「Online」,看似只是識別上的調整,實際上是一次明確的宣告:這個品牌不再把自己定義為「一款線上遊戲」,而是要往內容娛樂、IP 經營、跨界合作的方向延伸。用網銀國際的說法,目標是「把娛樂融入生活」。

從產業角度來看,單一遊戲產品的生命週期往往有限,玩家喜新厭舊的速度很快,一款遊戲再怎麼長青,終究會面臨用戶成長趨緩的天花板;相較之下,內容與 IP 的價值可以跨平台、跨載體被重複利用,也更容易隨著時間累積成品牌資產。對一個已經經營 18 年的老牌來說,與其持續在單一產品上加碼,不如把長期累積的用戶基礎,轉化成內容娛樂生態的起點。

泛娛樂願景,邊界劃在哪裡

把服務邊界從單一遊戲平台,擴張到內容產製與 IP 經營,幾乎是近幾年線上娛樂產業共同的功課。玩家不再只滿足於一款好玩的遊戲本身,而是期待品牌能提供更有情感連結、更貼近日常的內容體驗,這也是「泛娛樂」這個詞近年頻繁出現在遊戲業轉型論述裡的原因。

對網銀國際來說,這樣的路線並非臨時起意。這家成立於 2009 年的集團,本業雖以遊戲研發與代理起家,但版圖早已橫跨數位娛樂、影視製作、電競戰隊等多元領域,而《星城》正是集團資源品牌化的重要窗口。網銀國際本來就具備豐沛的泛娛樂資源,透過這次《星城》的更名,這些資源才更容易被消費者理解成一個具體的品牌體驗,也讓外界更容易看見「泛娛樂」布局的落地。

IP 經營,是願景的現在進行式

比起口號,更能說服人的永遠是正在發生的行動。品牌月期間,全新 YouTube 頻道《XinFun 星泛娛樂》於 7 月 1 日正式上線,讓品牌指標性的遊戲角色跳脫原本的機台設定,化身生活短劇主角,一連 7 天每晚 7 點固定釋出新內容,後續也將持續規劃角色短劇、節慶互動與玩家共鳴題材,成為長期經營的內容入口;同步上線的還有角色版 LINE 個性貼圖,把遊戲角色帶進使用者的日常對話裡。品牌吉祥物「星城好冰友」也在這波煥新中迎來視覺升級,新增「小鵝」「小鴨」兩個角色,把「小額娛樂、理性遊玩」的概念轉化成更親和的形象。

星城-2.png
網銀國際旗下《星城》品牌煥新,吉祥物「星城好冰友」新增「小鵝」「小鴨」兩角色,將「小額娛樂、理性遊玩」理念轉化為更親和的視覺形象。
圖/ 網銀國際
星城-3.jpg
品牌月期間同步推出角色版 LINE 個性貼圖,讓《星城》遊戲角色走入玩家日常對話,強化 IP 在社群場景的日常曝光與情感連結。
圖/ 網銀國際

IP 走出螢幕的動作,也不只發生在線上。今年 4 月,《星城》連續參與白沙屯媽祖進香與大甲媽祖遶境,並特別加開「累了請上車」休息巴士,陪伴信眾走過前後橫跨 15 天的年度信仰巡禮。從角色內容化到走進廟會現場,這類操作要驗證的其實是同一件事:「娛樂融入生活」不是一句廣告詞,而是品牌願意把資源實際投入到玩家生活場景裡的具體行動。

這種「虛實整合」的操作邏輯,其實也呼應了內容產業近年的共同趨勢:IP 的價值不再只靠單一載體撐起,而是要靠角色、影音內容、線下場景多點觸及,才能真正在使用者心中留下記憶點。

星城-4.jpg
今年 4 月《星城》連續參與白沙屯媽祖進香與大甲媽祖遶境,加開「累了請上車」休息巴士,陪伴信眾走過橫跨 15 天的信仰巡禮。
圖/ 網銀國際

數位信任工程,是願景能走多遠的地基

不過,一個品牌想從遊戲延伸到內容、IP 甚至跨界合作,光有創意還不夠,背後的信任基礎才是能不能走遠的關鍵。尤其對仰賴金流與帳號安全運作的娛樂平台而言,信任從來不是加分項,而是先決條件。

網銀國際在這塊的布局,其實已經行之有年。平台導入 OTP 驗證與帳號多層防護機制,針對異常儲值行為與高風險帳號建立風險監測與處置流程,並設有 24 小時客服巡檢與主管機關聯繫窗口,持續參與防詐治理相關會議。這些機制平常不太會被玩家注意到,卻是支撐品牌敢往內容娛樂、跨界合作等更複雜業務延伸的底氣。

而從集團近期布局來看,網銀國際投資信任科技與防詐服務業者 Gogolook,也透露出其對數位信任基礎建設的重視。對《星城》這類高度仰賴帳號、金流與使用者信任的平台而言,防詐能力與風險治理,將是品牌能否走向更大泛娛樂合作場景的重要底層能力。

另一個值得留意的細節是,《星城》過去成功取得日本講談社等國際知名動漫 IP,如新世紀福音戰士等的官方授權,開發聯名機台。國際版權方在授權合作前,通常會針對合作企業進行嚴格的商譽與信用調查,順利通過審查,某種程度上也是外部對企業信譽的一次客觀驗證,而不只是單方面的自我宣稱。

對線上娛樂產業而言,信任機制往往是「看不見卻決定成敗」的一塊。玩家不會因為平台治理做得好而每天掛在嘴邊,但一旦信任出現破口,品牌過去累積的內容力與 IP 資產都可能一夕歸零。換個角度看,能夠通過國際版權方的商譽審查、持續維持與監理單位的溝通管道,也讓網銀國際在後續尋求跨界合作與 IP 授權時,握有更高的議價籌碼。

更名是起點,行動已經在路上

把《星城》放回台灣泛娛樂產業的座標來看,這不是第一家想從遊戲公司轉型成內容集團的業者,卻是少數把「信任機制」和「IP 內容」同時當成轉型兩隻腳、同步往前走的案例。

不過,從遊戲平台走向泛娛樂品牌,真正的考驗不在於一次品牌月能創造多少聲量,而在於內容是否能持續更新、角色能不能累積辨識度,以及線上下互動能否形成長期社群關係。對《星城》而言,告別 Online 是起點,能否把短期活動轉化為穩定內容資產,才是這場品牌煥新的關鍵。

觀察其未來走向,主要可以從三個面向切入:

  1. 內容頻率:《XinFun 星泛娛樂》能否從品牌月短期企劃變成穩定的內容頻道,持續維持更新動能。

  2. IP 延展:角色能否從貼圖、短劇走向更多授權、聯名與線下體驗,累積長期辨識度。

  3. 信任治理:責任遊戲、防詐與平台安全能否成為品牌差異化的底層能力,而不只是合規描述。

這條路已經開始走,接下來能否將短期聲量沉澱為長期的社群資產與防禦壁壘,將是這場轉型能否走得遠的真正考驗。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓