Dwarkesh Patel 的 Clocktower Bench 让 AI 模型玩《钟楼谜团》，GPT-6 Astra 领先

Patel 称他以约 2 万美元 API 额度进行了 386 局互换阵营的对局；排行榜分别评估每个模型作为侦探和说谎者的表现，作者指出误差线重叠的相邻模型排序并不可靠。

来源

Snape Report 更多报道