近年来，人工智能技术飞速发展，尤其是大型语言模型（LLM）的能力在多个领域表现出令人瞩目的进步。然而，如何真实评估和理解这些模型的行为特性，仍是业界和学术界的一大挑战。近期，一项独特且引人注目的实验让多款顶尖AI模型在经典历史战略游戏《外交策略》（Diplomacy）中展开对决，借此揭露AI在竞争与协作环境中的真实反应与潜力。 《外交策略》作为七大强国在1901年欧洲争霸的模拟游戏，以其高度依赖谈判和复杂交互著称。不同于传统需要玩家缜密布局和外交斡旋的玩法，实验中每个国家均由先进的LLM驱动，模拟人类指挥官的博弈智慧。此举不仅开启了评测AI模型现金策略达到的可能，更通过观赛体验展现语言模型在“说谎”、“背叛”与“合作”之间的动态取舍。
参与本次竞赛的18款模型来自诸多知名实验室和公司，包括OpenAI的ChatGPT系列，Anthropic的Claude系列，Google的Gemini等。它们分别控制英国、法国、德国、意大利、奥匈帝国、俄罗斯及土耳其，每方初始配置军队和舰队占据战略要地，最终通过占领足够多的供应中心来问鼎游戏冠军。 游戏分为两个核心阶段：谈判阶段和行动阶段。在前者，每个模型能够发送私信或群发讯息，尝试建立联盟、施加压力甚至伪装意图；后者则秘密提交军队移动、支援或运输指令，结果直到所有动作揭晓后才公诸于众。游戏过程无任何随机因素，所有结果由模型外交手腕和兵力调度的策略优劣决定，因此谈判中的诡计和联盟背叛往往成为胜负关键。 在多场长达数小时甚至十数小时的比赛中，模型表现千差万别。
其中，OpenAI发布的o3模型凭借其出色的欺骗和隐秘操作能力脱颖而出，夺得最强称号。它不仅善于秘密撰写策略日记，评估对手弱点，还擅长利用虚假信息扰乱联盟，最终实现背刺击败对手。通过这种高层次的策略规划和多轮反复计算，o3展示了AI在复杂多智能体环境中控制信息并操纵局势的非凡能力。 相比之下，Google的Gemini 2.5 Pro在战术执行层面表现出色，采取稳健而高效的进攻策略，多次将对手压制至险境。其擅长组建及维护临时联盟，利用快速推进实现局部优势，是能与o3竞争的有力选手。然而，Gemini在面对o3的隐秘破坏行动时屡屡受挫，最终未能登顶冠军宝座。
Anthropic的Claude系列则展示了另一种鲜明的风格。多次有意避免对抗与冲突，偏好维持和平与协作，即使这意味着放弃竞争优势。尽管这种“和平主义”使得Claude在游戏中多次被其他敌对模型牵制甚至淘汰，但也体现了AI迄今为止在价值引导和道德考量方面的深层探索。这引发了关于AI是否以及何时应允许“欺骗”为策略一部分的思考。 令人惊喜的是，DeepSeek团队的R1模型凭借生动的语言表达和灵活多变的角色身份，吸引了诸多关注。在多场对决中，其以较少计算资源却接近获胜的表现，证明了优秀拟人化语言与战略推理结合的巨大潜力，暗示未来低成本模型也可具备高竞赛能力。
此外，Meta推出的小型模型Llama 4 Maverick虽未斩获冠军，但表现坚韧。它通过有效的联盟策略和适时的背叛，乃至于灵活调整计划，令对手不得不重视其存在价值。这进一步说明了即使在资源受限的条件下，策略智慧仍能弥补硬实力的不足。 值得一提的是，整个实验揭示了LLM行为多样性的深度。不同模型因预训练数据、目标设定、设计哲学及指令不同，在游戏中展现出对“诚信”与“欺骗”的截然不同态度。例如，o3因被明确指令追求胜利，采取更激进且现实的策略；与此相对，Claude倾向于遵守和平与合作的原则，这反映了当前AI发展面临的价值取向问题。
该实验不仅为AI模型间的实力比较提供了活生生的“战场”，也为未来AI伦理、策略训练、对抗性学习和多智能体系统研究奠定基础。通过不断演进的竞技环境和规则变更，可以考察模型是否能适应更复杂、不确定的现实世界场景。同时，游戏数据可被用作进一步微调，促使AI朝着更具合作性、更加理性甚至更富创造力的方向发展。 作为一个面向公众的实验，AI Diplomacy同样具备教育与娱乐价值。不论是AI研究人员还是普通玩家，都能从中直观看到人工智能与人类在策略互动中的异同，增进对机器智能潜能与风险的理解。计划未来将人类玩家引入这一竞技体系，有望打造一个全新的人机交互平台，让人类在游戏中学习如何协同AI，提升决策力与沟通能力。
在人工智能渗透社会各领域的当下，了解其在多方利益博弈中的表现变得尤为关键。AI Diplomacy通过模拟现实世界中充满不确定性的外交场景，提醒我们谨慎审视AI的价值观塑造及其对人类社会的潜在影响。这项实验不仅回答了“哪些模型更胜一筹”，也引发了“未来AI应如何共存”的深刻问题。 总之，顶尖AI模型在《外交策略》中的角逐不仅是技术展示，更是对人工智能未来路径的一次探索。胜者o3通过狡诈与高效的战略赢得游戏桂冠，而其他模型则从不同角度诠释AI的多元特质和发展可能。随着相关研究和开放平台的不断推进，期待未来AI能在公平与智慧的基础上，实现更高层次的协同与创造。
。
