花两万美元让模型互相骗，这比又刷一张答题榜有意思多了！！！

Dwarkesh 花了约两万美元 API，让模型玩 Blood on the Clocktower，一共跑了 386 局。他观察到，模型编谎、合作和识破别人说辞的能力都明显变强。跟帖给出 Astra 对 Opus 5.5 约 82% 的胜率，但这只是这套测试设置下的结果。

这种评测有意思，是因为对手会反过来影响你。单道题可以算完交卷，游戏里你前面说过什么，别人会记住、质疑，还会故意给你错误信息。模型不光要想清楚眼前这一轮，还得处理自己之前留下的矛盾，以及别人不断变化的策略。

这跟 Agent 做长任务有一处很像：它不能每一步都只给出一个听起来合理的回答，还得记得前面承诺了什么，遇到新证据后该不该改判断。当然，游戏胜率不能直接当成工作能力，更不能证明它现实里不诚实，毕竟这里的规则本来就允许骗人。

我更想看下一组对照：同样的多轮压力，同样有输赢，但明确禁止撒谎。它发现说实话可能输的时候，还能不能守住规则？那才开始碰到我们把工作交给 Agent 时真正担心的事。