木马人(@cnyzgkc):周末刷小破站，差点没给我笑死，居然有人让AI去组局玩狼人杀。刷到一个UP主十月枫林尽染出了一期特别有意思的AI测评——「AI 狼人杀」，让12 个国内外大模型同桌开局，一个比一个心眼子深，太好玩了他的测评思路很有意思，给定一个主题，然后让每个模型扮演对应的角色，每个模型说完下一个模型会根据他们的对话来判断谁是好人谁是狼人，开头豆包2.1刚说完，Claude Opus直接跳警查杀，真是越看越过瘾。讲实话，各种新模型发布太多，跑分（benchmark）也看多了，普通人其实看不太懂，他们更关心实际应用场景下模型的真实能力。所以看到B站各个UP主的测评还挺意思，后来看了下发现是B站搞了一个AI 无限竞技场的活动：他的思路比较好，不搞跑分那套，而是让各领域 UP 主自己想场景自己测评，然后让模型在实际应用下展示最真实的实力。各种场景都有：有让AI玩狼人杀的，有给AI 1万块去赌球的，还有拉坨大的，然后让AI去修屎山代码的，真是一个比一个绝。当然了，一局比赛或者测评肯定不能直接评判谁是最强模型，但我觉得B站搞的这个思路挺不错：把大家真正有意思的场景摆上来，让 AI 当场表演，看看到底谁夯谁拉。感兴趣可以去小破站搜「AI竞技场」，除了狼人杀还有很多好玩的测评。

2026.09.20 09:15

周末刷小破站，差点没给我笑死，居然有人让AI去组局玩狼人杀。刷到一个UP主十月枫林尽染出了一期特别有意思的AI测评——「AI 狼人杀」，让12 个国内外大模型同桌开局，一个比一个心眼子深，太好玩了他的测评思路很有意思，给定一个主题，然后让每个模型扮演对应的角色，每个模型说完下一个模型会根据他们的对话来判断谁是好人谁是狼人，开头豆包2.1刚说完，Claude Opus直接跳警查杀，真是越看越过瘾。讲实话，各种新模型发布太多，跑分（benchmark）也看多了，普通人其实看不太懂，他们更关心实际应用场景下模型的真实能力。所以看到B站各个UP主的测评还挺意思，后来看了下发现是B站搞了一个AI 无限竞技场的活动：他的思路比较好，不搞跑分那套，而是让各领域 UP 主自己想场景自己测评，然后让模型在实际应用下展示最真实的实力。各种场景都有：有让AI玩狼人杀的，有给AI 1万块去赌球的，还有拉坨大的，然后让AI去修屎山代码的，真是一个比一个绝。当然了，一局比赛或者测评肯定不能直接评判谁是最强模型，但我觉得B站搞的这个思路挺不错：把大家真正有意思的场景摆上来，让 AI 当场表演，看看到底谁夯谁拉。感兴趣可以去小破站搜「AI竞技场」，除了狼人杀还有很多好玩的测评。

显示更多