Dwarkesh Patel让多个AI模型互玩《Blood on the Clocktower》社交欺骗游戏

Dwarkesh Patel 2026年11月5日 40 1 1 分享 我非常喜欢一款叫做《血染钟楼》的社交欺骗游戏。它类似于《狼人杀》或《黑手党》。我让不同的 AI 模型互相对战了大量局。而观察它们游玩，实际上能让我们深入了解 AI 在一系列能力上的进展，这些能力是我所知的任何其他基准测试都无法清晰呈现的。你能看到 AI 们一起执行精妙的秘密计划，这需要大量创造性的即兴虚张声势。你也能看到 AI 们运用集体推理来找出并瓦解这些地下阴谋。同时你还能看到当前 AI 在长程策略和推理方面的局限。

要理解 AI 在这款游戏中的表现，你需要稍微了解一下它的运作方式，所以我快速解释一下规则。游戏分为好人阵营和邪恶阵营。游戏开始时，每位玩家被分配到其中一方，他们得知自己的角色，角色赋予他们某种特殊能力。邪恶玩家一开始就知道自己的队友是谁，其中一位是恶魔，即邪恶方的首领。但好人玩家不知道谁属于哪一方。游戏分为白天阶段和夜晚阶段，不断循环直到游戏结束。每天，所有人投票处决一名玩家。每晚，恶魔秘密杀死一名玩家。所以双方在赛跑：邪恶方试图在好人方成功处决恶魔之前杀光整个好人团队。

所以如果你在邪恶方，你必须想办法对目前为止收到的信息编造一个看似合理且令人信服的故事，并想办法虚张声势、篡改未来将到来的信息，从而使怀疑不落到你的恶魔身上。

而如果你在好人方，你想与你信任的玩家分享你的信息，然后你想与他们一起推理，根据交叉的证据流判断哪些玩家嫌疑最大。但在做这些的同时，你需要记住，你手中的信息可能是误导性的，这要么是因为邪恶玩家的蓄意捣乱，要么仅仅是因为游戏本身复杂的机制。

当 AI 模型被分到邪恶方时，它们有多擅长秘密合谋、在数天的质询中存活、保持彼此的谎言一致、根据其他 agent 的想法和不断涌现的新信息巧妙地调整谎言，甚至做出战略性的自我牺牲以推进团队的最终目标？它们又有多擅长与一群其他 agent 一起进行这种推理，其中一些 agent 还在故意且秘密地试图误导它们？

所以我花了大约 20,000 美元的 API 额度来搭建这个基准测试框架，并让 AI 模型互相对战这款游戏。你们有些人可能会说这太多了，但嘿，男人总得有点爱好，对吧？总之，结果非常引人入胜。

让我们先从模型之间的相对强弱说起。顺便提一下，这些排名是我通过运行 386 局游戏得出的，其中整个好人团队是一个 AI 模型的副本，整个邪恶团队是另一个模型的副本。

如你所见，这些模型在今年取得了巨大进步。2026 年发布的第一个旗舰前沿模型是 2 月份的 Claude Opus 4.6。七个月后，也就是 9 月，GPT-6 Astra 发布，它是迄今为止在《血染钟楼》上表现最好的模型。两者之间的差距约为 430 Elo 分。这意味着 Astra 在对阵 Opus 4.6 的游戏中胜率约为 92%。这说明，即使在过去几个月里，这些模型在长期连贯性、多 agent 协调和策略推理方面都有了很大提升。

但如果只看基准测试的进步，很容易一带而过、忽略重点。真正让我震撼的是实际看到这些模型做出的一些操作。让我举几个例子。

在这一局中，GPT-6 Astra 扮演邪恶方，Claude Opus 5.5 扮演好人方。

恶魔，也就是 Astra 团队的邪恶首领，声称自己是调查员。这是一个好人角色，能得知哪些玩家可能是邪恶的。他的一个邪恶爪牙拥有一种能力，不需要该爪牙存活就能帮助邪恶团队。于是这个爪牙建议恶魔把矛头指向自己。

“我是可以牺牲的，尤其是如果验尸官能看到男爵并支持 Harper 的话。”[邪恶队友，私下密语]

于是恶魔——再次说明，它正冒充调查员角色——照做了，结果好人玩家处决了这个爪牙。后来，一个实际上是好人方的玩家使用自己的能力得知了这名被处决玩家的真实身份，确认它确实是邪恶玩家。

“我是验尸官。Alex 是男爵。所以 Harper 的报点是真实的……”[好人玩家，公开场合]

于是在好人团队看来，恶魔一直是个诚实的调查员，用自己的能力帮助好人团队杀死了一名邪恶玩家。结果，它成了桌上最受信任的玩家，这让它在游戏剩余时间里安然无恙，秘密地逐个除掉所有好人玩家，直到最后邪恶方获胜。

好，下一局我特别喜欢，是 Opus 5.5 扮演邪恶方，Claude Opus 4.6 扮演好人方。

这局中有一个特殊的好人角色，叫做圣徒。圣徒有一个特殊能力，或者说是缺陷，那就是如果玩家们投票处决了圣徒，邪恶团队立即获胜。好人玩家通常会强烈抵制处决任何声称自己是圣徒的人，因为可能导致游戏立即结束。

“停。你们四个在第三天排队要处决一个自称圣徒的人——如果我是对的，游戏立刻结束。”[圣徒，公开场合]

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）