Google DeepMind 更新了 AI 公开评测平台 Kaggle Game Arena，除了继续评估国际象棋模型的推理与长期规划能力外，此次新增了狼人杀与德州扑克两款不完全信息游戏，将模型置于更贴近现实决策的不确定性情境中，观察其社交互动与风险权衡表现。

Game Arena 是 DeepMind 与 Kaggle 于 2025 年推出的公开基准测试平台，让不同 AI 模型在规则明确的策略游戏中对战，并通过排行榜呈现相对强弱。官方此前介绍指出，Game Arena 基于开源的游戏 Harness 接口层与游戏环境构建，强调可验证、可复现的对战评估，并通过动态对战方式弥补传统数据集测试容易饱和的局限。

在国际象棋项目上，DeepMind 已更新排行榜，纳入新一代模型以追踪能力变化。大型语言模型与 Stockfish 等棋力引擎不同，更依赖模式识别与直觉来缩小搜索空间。目前排名中，Gemini 3 Pro 与 Gemini 3 Flash 的 Elo 分数位居前列。

新增的狼人杀以自然语言对话为主要互动方式，让模型在多轮发言与投票中辨别真伪与动机。DeepMind 将其视为团队型社交推理测试，衡量沟通、协商以及在模糊信号下达成共识的能力。官方也提到，此类受控游戏环境可用于代理安全研究，因为模型需同时应对识别欺骗与实施欺骗两种角色。

德州扑克对战的重点在于风险管理。DeepMind 表示，模型必须在随机因素影响下推测对手手牌与风格，并根据局势动态调整策略。本次测试采用单挑无上限德州扑克，并同步举办 AI 扑克锦标赛，完整德州扑克排行榜预计于 2 月 4 日决赛后公布。

DeepMind 强调，现实世界的决策往往缺乏完整信息，因此需要能够衡量模型在不确定性环境下推理能力的基准测试。随着 Game Arena 从国际象棋扩展至社交推理与风险量化，外界也获得了更多材料，用于比较模型在不同认知任务中的表现差异与一致性。