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一起玩桌遊誰最贏？

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。

本文合作轉載自：數位時代

資料來源：Business Insider、every.io

責任編輯：李先泰

AI 正在改寫世界運作模式。根據研究機構 The Research Insights 預測，全球 AI 市場將從2025年的3,909億美元攀升到2030年的1兆8,117億美元，年複合成長率高達19.2%。這股成長動能與 AI 技術正滲透各個產業有關，從製造到金融、從零售到物流，不僅流程被重塑、商模也隨之翻轉。

在這場 AI 驅動的創新浪潮中，新創是推動產業變革的關鍵力量之一。 AWS 不僅以全球領先的雲端與 AI 技術平台提供堅實後盾，更以豐沛資源化身新創最佳夥伴、協助台灣團隊將創意落地、放大商業影響力。例如，在 AWS 的技術與資源支持下，語音 AI 新創海研科技（SeaTech）得以加速模型迭代與演算法優化，為台灣與新加坡量身打造在地語言模型並推動應用落地；同時，也讓思邁智能（MaiAgent, Inc.）專注強化企業級生成式 AI 平台 –MaiAgent– 功能，協助企業將生成式 AI 融入日常營運，實現更智慧的決策與效率升級。

三大關鍵步驟，思邁智能助企業放大生成式 AI 應用價值

AI Agent 具備感知、決策、行動與優化四大特徵，被視為企業面對人力缺口與營運挑戰的最佳助手，然而，在實作過程中，多數企業都因為三大瓶頸–資料分散、模型不符實務、導入周期過長–導致AI難以落地或成效不如預期。

觀察到上述現況，深耕 AI 領域研究、協助上百家企業導入 AI 應用的思邁智能提出解方：AI 導入方法論與平台產品服務。

思邁智能執行長張介騰表示，導入 AI 應該從「AI-Ready 文化」開始，因此，第一步是讓每位員工都能自然地用 AI 提升工作效率，例如透過自研的 MaiGPT 縮短資料搜尋與知識蒐整時間；第二步是建立企業專屬的 AI 知識庫（AI KM），例如以 MaiAgent 打造企業的「智慧大腦」，加速各類分析報表生成製作，讓員工可以加速決策與專注核心業務；第三步是從組織流程出發，找出重複性高的任務並建構對應的 AI Agent，如語音客服、文字助理等，讓 AI 真正走進業務核心。

「面對日新月異的 AI 技術演進，想要搶占先機，策略合作是必然。」張介騰以 MaiAgent 產品為例說明，透過 Amazon Bedrock 平台，團隊成員不用自建基礎模型、可以直接從平台快速選擇所需的基礎模型與工具於其上進行產品功能開發、大幅縮短產品開發週期，同時，可以在第一時間接收到模型更新等資訊，更好回應市場要求。「在 AWS 平台上開發產品，不僅能縮短開發週期、快速迭代新功能，也可以保障系統與資料安全，同時，因應業務需求彈性擴展，例如，協助新加坡與泰國企業導入服務等。」

隨著產品服務的成熟，思邁智能除持續尋找軟體夥伴擴展 MaiAgent 生態體系，亦已將 MaiAgent 上架 AWS Marketplace，更好擴展國際市場版圖，同時，成立AI落地顧問團隊，協助生態體系夥伴跟企業客戶更好發揮 AI 綜效。

不僅在 AWS 上開發產品，海研科技攜手 AWS 針對企業痛點推最佳解方

對許多新創來說，雲端只是基礎設施的一種，但對海研科技來說，AWS 是他們加速創新與推動業務的關鍵伙伴。這家專注語音 AI 的新創團隊自創業第一天就跟 AWS 展開合作，不僅透過 Amazon Bedrock 打造專屬台灣的語言模型，更循序推出 SeaMeet、SeaChat、SeaX、SeaVoice 等產品，讓語音 AI 不再只是技術展示，而是能直接回應企業現場痛點的實用解方。

「語音辨識（ASR）不是新技術，但要做到『在地化』才有競爭優勢。」海研科技首席業務發展經理何庭劭表示，全球已有多家科技大廠投入開發英語、中文、印度語、俄語、西班牙語等13種主流語言模型，但台灣、新加坡與東南亞國家的語言環境與溝通方式較多元，如台灣的日常對話常混雜10%到15%的英語或台語雙關詞等，通用型的語言模型不敷使用，必須重新訓練、微調語言模型，才能滿足本地語境應用。

這份對在地市場的專注，讓海研科技在聽到 AWS 分享企業痛點後可以快速推出相應產品服務，例如，因應製造業跨國團隊的會議溝通挑戰，打造「SeaMeet 雙語即時翻譯」功能，讓語音 AI 能在中、英夾雜的會議中流暢轉譯、即時生成紀錄，解決企業跨境協作的語言門檻。

海研科技之所以能無後顧之憂地推出創新解方，與 AWS 提供穩定、可靠且彈性支援服務有關。何庭劭以 SeaMeet 為例解釋：「產品特性使然，SeaMeet 的尖峰與離峰時段的使用量差異極大，但在 AWS 平台支援– Amazon EKS 會依照實際需求動態調整伺服器資源（Amazon EC2 instance）–下，海研科技的團隊成員不用花費間監控與資源配置，可以專注在產品開發與持續創新。」

事實上，這也是海研科技可以因應龐大的長照需求，順利在今年推出取得 HIPAA 認證的 SeaX 服務，並協助新加坡社區關懷機構 Lions Befrienders 以10餘人社工團隊完成每天上千通長者關懷電話的原因。

海研科技首席業務發展經理何庭劭表示，有個大型集團客戶有非常多的會議要跟進，過去光是紀錄重點，就會需要許多人力，但透過即時的會議紀錄整理，讓後續追蹤更有效率。

圖／數位時代

何庭劭表示：「透過 SeaX，Lions Befrienders 每秒可完成30通電話，每通皆有錄音、逐字稿與 AI 分析，判斷是否需社工即時介入，讓語音 AI 成為重塑長照現場效率與安全的關鍵伙伴。」

從台灣到新加坡，從會議翻譯到智慧長照，海研科技的語音 AI 正形成一個「技術與市場雙向成長」的飛輪，接下來，海研科技將透過 AWS Marketplace 進軍歐美市場，讓更多企業能以雲端訂閱方式直接採用其服務。

何庭劭強調：「 AWS 不僅提供一條龍平台服務，更是我們的共創夥伴，讓我們可以看得更遠、動得更快。」而這也是海研科技與 AWS 的互動關係會從技術夥伴轉向共創夥伴的原因，讓語音 AI 可以真正走進企業日常。

思邁智能與海研科技不是單一或特殊案例，在 AWS 豐沛的技術能量與資源支持下，愈來愈多新創正從單純的技術創新者，成長為推動產業變革的關鍵力量，讓 AI 真正落地多元場域，開創生態共榮的新局。

新創解方立即看

思邁智能＿解方立即看

海研科技＿解方立即看