19 个大模型互打 376 局猜词游戏:Gemini 3.8 Flash 猜对率 93% 最高
Hardicecream17 · reddit · 2026-10-31
开发者做了一个类似 Codenames 的猜词派对游戏,让 19 个 LLM 两两对抗,共记录 376 局。GPT-6 Astra 猜对率 91% 几乎不踩雷;Gemini 3.8 Flash 是最准的猜手(93%、0 错猜),Gemini 4 Argon 线索分最高(67),Claude Opus 5.5(79% 猜对率)落后于 GPT 与 Gemini。
关键发现:
- 猜手决定胜负:猜得更好的队伍赢下 68% 的对局,而线索更好的队伍只赢 53%。
- 激进线索反而输:每条线索覆盖更多词的队伍在 287 局中只赢 38%。
- 先手无优势:376 局中先手队只赢 169 局。
线索评分方法:每个盘面词与线索算关联分(1/3 Cohere 嵌入 + 2/3 两个不知情的 LLM 评审),再用拟合真实对局的猜词模型模拟执行,按对胜率的边际影响折算 0-100 分。作者征求对评分方式的反馈,游戏可在 wordspies.com 体验。
所属事件:19 个大模型激战 376 局猜词游戏，Gemini 3.8 Flash 夺冠(2 条相关)→
「模型」频道最新
- 曝 OpenAI 将用用户私密会话训练模型且无法退出,被批窃取隐私 — evilsocket · 2026-10-31
- $20 ChatGPT 订阅可用掉 $700 算力，OpenAI 第 11.4% 用量后即亏损 — faraz0x · 2026-10-31
- 高中生一作论文「Image-Space Rule Discovery」中稿 ACCV 2026 — HirokatuKataoka · 2026-10-31
- 微软 MAI-DxO 诊断系统准确率 83%,超全科医生两倍多 — emmanuelvivier · 2026-10-31
- 开发者吐槽:LLM 擅长转述他人成果,细节追问就露馅 — AlexTensor · 2026-10-31
- 576GB「回敬 Altman」数据镜像流传,OpenAI 泄露文档被整库打包 — retr0jirachi · 2026-10-31