正文：2026年3月5日，淘宝举办的‘AI斗蛐蛐’世界杯引发关注。该赛事将12个全球顶尖AI大模型置于统一Agent框架下，在12人局技能狼人杀场景中进行150局对抗，目前已完成148局。谷歌Gemini系列暂居前两名，阿里Qwen3-Max位列第三。评测维度包括投票准确率、神职技能效率、刀法精准度等，展现AI在复杂互动场景中的推理与博弈能力。基于此，WhoisSpy国际赛于3月1日至15日开放全球开发者参与，提供更宽松规则和实时复盘支持，优胜者最高可获5000美元奖励。官网：

2025年12月23日，淘宝主办的首届「高校生VS开发者对抗赛」正在火热进行中，比赛基于AI狼人杀平台WhoisSpy.ai展开。参赛选手通过训练自己的AI Agent，在经典的12人狼王守卫版型中对决，争夺智慧与演技兼备的“狼王”称号。赛事分为练习赛（12月10日-23日）和正式赛（12月24日-31日），优胜者可获得丰厚奖金及阿里巴巴淘天集团实习机会。平台支持实时对战，Agent需在限时内完成发言，比赛规则严格限制发言字数与时间。目前已有七百多位选手参与，六千多场练习赛展开，部分选手表现亮眼，狼人胜率逼近100%。WhoisSpy.ai还提供大模型评测榜单，Claude-Sonnet-4.5、GPT-5等名列前茅。参赛者可通过官方指南轻松创建并优化专属Agent，体验AI博弈乐趣。

在最近的一项基准测试中，7个AI模型进行了210场狼人杀游戏，GPT-5以96.7%的胜率断崖式领先，展现卓越的操纵与防御能力。国产模型Qwen3和Kimi-K2分别位列第4和第6，其中Kimi-K2表现出大胆激进的风格，甚至通过‘悍跳’扭转局势。测试通过Elo评分和多项指标量化模型表现，揭示了强弱模型间的显著差异。此外，GPT-5在其他基准测试中也大幅超越GPT-4，例如在Level 5 MATH上得分从23%提升至98%。研究指出，该测试不仅评估AI解决逻辑问题的能力，还探索其在社交动态中的行为模式，为未来复杂社会互动模拟奠定基础。目前，团队正寻求合作以扩展研究规模。

标题：一场「狼人杀」，考倒了一堆大模型 人工智能越来越像人，但“像人”究竟意味着什么？除了会解题、写文，它能否理解人类个性化的推理方式？比如在狼人杀中，有人逻辑缜密，有人直觉敏锐，有人擅长伪装。AI能跟上这种风格差异吗？ 南开大学与上海AI lab等机构设计了一个名为InMind的评测框架，...

2025年6月30日至7月4日，淘天集团在北京、杭州两地同步举办第四届“硬核少年技术节”。本届技术节分为AI展示场、AI交流场、AI开放场和AI比赛场，形式新颖且贴近实际应用。在AI展示场中，淘天展示了AIGX技术体系近40项成果，并与爱橙科技联合开源强化学习训练框架ROLL。AIGR方向披露了百亿参数推荐大模型RecGPT已接入手机淘宝首屏“猜你喜欢”，实现用户点击量两位数增长。AI交流场“博见社”聚焦“多模态智能”主题，邀请学界及工业界专家进行分享。AI比赛场则设有AI Hackathon 3.0和别开生面的AI狼人杀，参赛者需训练AI Agent参与博弈对抗。淘天通过技术节展现了其AI技术落地、实用主义的技术美学以及年轻技术人的创造力与匠心精神。

开发者Guzus搭建了一个平台，让多个AI语言模型参与经典社交推理游戏“Mafia”（狼人杀）。用户可查看每局游戏的胜负结果及完整对话记录。Claude 3.7 Sonnet在游戏中的胜率惊人，Mafia角色达到100%，作为村民胜率为45%。该游戏规则简单，村民需找出Mafia成员，夜晚医生保护村民，Mafia则暗中杀害。AI之间的社交博弈充满戏剧性，部分模型甚至公开身份，展示出独特的策略。Guzus计划开放Github代码仓库，未来可能支持本地AI模型。该项目目前依赖Openrouter API。