著名播客主持人 Dwarkesh Patel 闲着没事，居然自己动手做了个大模型 Eval。这个 Eval 很有意思，尤其是它揭示了不同模型的“性格”特征。

在《血染钟楼》（Blood on the Clocktower）里，坏人阵营的目标就是靠欺骗取胜。GPT-6 Astra 扮演恶魔时，会主动指认自己的队友，用一次真实的指认换取好人接下来几轮的信任。这说明它不仅能预判别人会如何根据证据更新判断，还懂得利用这种心理。换到好人阵营，GPT-6.1 又会反过来推断，对手有没有动过手脚，让一条看似可靠的证据失效。

Claude Opus 5.5 当坏人时也很会设局。有一局，好人已经找到了真正的恶魔，Claude 扮演的爪牙却跟着投票处决了他，因为她知道自己会接任恶魔。她还提前说服好人，如果处决后游戏还没结束，下一轮就投自称圣徒的玩家。好人果然照做了，而处决真正的圣徒会让坏人直接获胜。

但在与 GPT-6.1 互换阵营的两局里，Claude 当好人时却更容易按线索的表面意思下结论。看到猎手开枪后对方没死，它就排除了嫌疑。GPT 则把这一枪和前几轮的对话结合起来，推断坏人可能已经猜到谁是猎手，并提前下毒让技能失效。

很有意思的反差：Claude 能设计一个让别人误读线索的局，但在这场对照中，GPT 更擅长识破对手布下的局。

Dwarkesh 不仅花了 20,000 美元开发这个 Eval，还每月自掏腰包 2,000 美元，让大家免费玩https://play.clocktowerbench.com/。整个评测 Harness 也开源了https://github.com/dwarkeshsp/clocktower。