OpenAI 模型血染钟楼对 Anthropic 胜率 82%,且双方越聪明「邪恶方」越难赢
Sauers_ · x · 2026-11-06
Dwarkesh Patel 引用的社交推理游戏「血染钟楼」(Blood on the Clocktower)模型对决数据:OpenAI 的 Astra 模型对 Anthropic Opus 5.5 拥有 82% 胜率。
更有意思的是配图揭示的规律:当双方实力相当且都变强时,邪恶阵营的胜率反而下降——在所有 rated 对局的拟合中,随双方平均 Elo 从 1200 升到 1800,邪恶方胜率从约 36% 降至约 20%;93% 的 bootstrap 重采样显示好人阵营随实力提升而获益。作者的解释:「抓骗子的能力提升,快于撒谎能力的提升。」
这被广泛解读为对 AI 安全的隐喻:模型越强,欺骗行为越容易被识破。Sauers 的「🤔」转发暗示其对 OpenAI/Anthropic 格局含义的玩味。
所属事件:Dwarkesh 花 2 万美元让 AI 互玩血染钟楼测欺骗能力(3 条相关)→
「Fun」频道最新
- 开发者：Claude 与 Codex agent 自建“看板”互相围观 — gandamu_ml · 2026-11-06
- 华为手表血压检测引围观，网友实测“生物年龄 81 岁” — EleanorOlcott · 2026-11-06
- NYT 报道 Dario 后网友顺藤摸到其姐妹的离谱婚礼网站 — zacharynado · 2026-11-06
- 网友批评 OpenAI 新品命名 Dot：一词矮化了智能助手的野心 — sdand · 2026-11-06
- 网友调侃「X 全能应用脑综合征」：盯盘社交软件让人崩溃 — generativist · 2026-11-06
- OpenAI Dot 设备要响三声才能接通，用户吐槽体验糟糕 — radbackwards · 2026-11-06