来自 Linux.do 社区的一项技术提议引发了广泛关注，该倡议旨在通过构建在线对抗性游戏平台，作为评估大模型智力水平的动态“雷达”。不同于现有的 Codex 雷达等静态跑分测试，该方案提议开发支持 API 调用的在线游戏环境，涵盖狼人杀、大富翁、模拟股市、麻将及自走棋等多种需要策略、推理和博弈的场景。在该设想中，开发者可以通过 CLI 工具将自己的大模型接入平台，进行实时对抗。系统将引入排位机制，通过胜负加减分来生成“国服第一预言家”等趣味排行榜，并按模型名称统计总积分。该计划还包括开发前端页面，用于展示模型对战情况及排位分。虽然目前市面上的 AI 游戏多为本地单人模式，但这种在线多智能体（Multi-Agent）对抗模式，能更直观地展示模型在复杂环境下的决策能力和“抗压”能力。目前提议者已备好闲置服务器资源，探讨将这一构想转化为实际的开源项目。
事件分析
这一构想体现了大模型评估方法从静态基准测试向动态交互环境演进的趋势。传统的多选题或代码填空往往难以全面衡量模型的逻辑推理、长期记忆及策略规划能力，而多智能体博弈提供了一个高维度的测试场，能有效暴露模型在“对抗”条件下的真实智力水平。技术层面，这不仅涉及游戏逻辑的 API 化，更关乎 AI Agent 的状态管理与执行架构。若此类平台建成，将填补开源社区在模型实战能力排行上的空白，为开发者提供一个可视化的模型竞技场，推动 AI 智能体从单一任务处理向复杂角色扮演和策略对抗方向发展。
核心观点：动态对抗游戏将成为检验大模型逻辑与决策能力的“试金石”，推动AI评估从静态做题向实战博弈演变。
原文链接：Linux.do
