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|數位時代 BusinessNext

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

研究人員讓多款AI模型一同遊玩需要溝通結盟、策劃背叛的桌遊《外交》，發現不同模型存在著獨特的遊玩風格。

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。

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

開戶到投資一站完成，永豐「DAWHO × 大戶投」銀證整合推進生活金融

永豐整合銀行與證券帳戶，推出「DAWHO × 大戶投」，讓客戶可以在線上一次完成新臺幣、外幣、信託，以及國內證券與複委託帳戶的開立，省去重複填寫資料、跨機構審核、多次等待的時間，將過往分散、繁瑣的流程，整合為直覺、便利的一站式體驗。「銀證整合」下，在銀行DAWHO APP可輕鬆查看證券台股與複委託庫存，一眼掌握銀證投資分布；在證券大戶投APP，也可以清楚查看銀行餘額與近14日明細，評估交割金額是否足夠，免去切換平台的煩惱。

透過「DAWHO × 大戶投」的持續優化，串聯起儲蓄、消費、投資正三角的美好生活。為了實踐 DAWHO 願景，永豐的第二步是把儲蓄、消費、投資串成一個正三角的生活金融服務。客戶可以將刷卡回饋直接存入DAWHO 數位帳戶，再透過大戶投進行投資，讓日常消費自然銜接到長期理財，把最直覺的刷卡回饋變成「有紀律的資產累積」。

永豐金證券副總經理暨數位金融處處長劉柏甫表示：「我們希望讓投資成為生活的一部分，而不是高門檻的專業行為。」因此，團隊不僅提供貼近日常、低門檻的理財商品，也將證券交易工具「大戶投APP」，打造成引導新手投資人建立投資觀念的平台。

例如投資新手容易入門的股票申購，於今年重磅推出的「智慧申購」功能，使用者只要透過「大戶投APP」預先設定申購條件，並於交割帳戶內保留足額圈存款項，系統便會在符合條件時，自動代為執行新股抽籤，功能可連續運作達三個月不中斷，助投資人參與新股市場更便捷、更高效，不再錯過申購良機。

讓投資科技賦能　永豐「DAWHO × 大戶投」以創新服務擴大普惠金融

第三步是透過智慧化技術提供客戶所需的普惠金融服務、持續完善永豐 DAWHO 數位金融生態圈。例如，永豐銀行於 2019年推出智能理財服務「永豐 ibrAin」，打破傳統複委託大額投資的限制、讓年輕族群與小資族可以低門檻（新臺幣1,000元起）、高度自動化的方式進行全球 ETF 定期定額投資，降低參與全球資產配置的門檻。另一方面，若投資人已擁有自己喜好的投資標的，則可以利用永豐金證券存股平台，除了享低門檻定期定額申購服務，也提供業界首創的「美股股利再投入」自動化服務。

「2025 年初獲金管會核准上線的『股票禮品卡』服務，也是響應普惠金融而生的全台獨創應用。」劉柏甫指出，團隊觀察到愈來愈多民眾希望以金融商品取代現金紅包，在滿月、年節或畢業等重要時刻傳遞祝福外，還能多賦予傳承財富累積的價值觀，因此推出百元面額、人人可負擔的股票禮品卡，讓投資成為日常送禮的選項。
值得特別一提的是，股票禮品卡不僅僅是一張「卡片」，而是可以直接導向投資行動，可用來扣抵存股平台購買股票的手續費、與證券交割款，將「送禮」轉換成「啟動投資」的第一步。

分群經營深度留客陪伴客戶累積長期財富

從銀證整合、生活金融到智慧化服務，永豐銀行與永豐金證券的核心目標，始終是陪伴客戶，讓客戶可以隨著使用的時間增加，逐步放大財富成為「大戶」；也因此，2026 年永豐DAWHO在既有「大大」與「大戶」分級之外，新增「大戶 Plus」等級，回應資產成長型客戶的進階需求。

嚴國瑞副總經理表示，平均財富達百萬元，且單筆換匯新臺幣五仟元以上，或以DAWHO綁定為永豐金證券交割戶，買入一筆證券台股現貨交易成交（含豐存股）的客戶，即可成為「大戶 Plus」，享每月跨行提款或轉帳共30 次免手續費禮遇、DAWHO 現金回饋信用卡消費最高 6% 現金回饋等優惠，同時還享有訂閱制知識學習平台—豐學 Prime 2.0 30天的免費體驗，以基礎的投資觀念、理財小技巧等實用理財知識，協助投資人強化基礎理財觀念與風險管理能力。

展望未來，永豐銀行與永豐金證券除持續深化既有服務外，將持續舉辦DAWHO × 大戶投相關活動，DAWHO APP也將推出外幣新功能，及導入更多個人化智慧服務，藉此降低資訊落差、強化金融教育，打造能真正提升大眾財務韌性的整合式數位金融平台。