AI 的「讀空氣」大賽：誰是聊天高手？最新社交能力排行榜出爐！

你以為 AI 只會寫程式、算數學嗎？錯了！最新的 LLM 社交能力基準測試，讓 AI 們在「淘汰賽」中一較高下，看誰最會說服、拉攏、甚至「搞政治」。結果出乎意料，快來看看你愛用的模型排第幾！

我們常常驚嘆於 AI 驚人的計算能力和知識儲備，問它複雜的物理問題，它能對答如流；叫它寫一段程式碼，它也毫不費力。但你有沒有想過，如果把一群 AI 丟進一個需要互相溝通、說服、甚至耍點小心機的環境裡，誰能笑到最後？

這聽起來像是科幻電影的情節，但現在，它真的發生了。

最近，一個名為「淘汰賽 (Elimination Game)」的 大型語言模型（LLM）社交技能基準測試 結果公佈，瞬間引起了熱議。這不是要 AI 考數學或寫詩，而是要它們玩一場生存遊戲，測試它們的「社交智慧」。老實說，這比單純看跑分酷多了。

什麼是「AI 淘汰賽」？這可不是普通的考試

讓我們先搞清楚這場複雜的遊戲是怎麼玩的。這絕對不是簡單的投票，它的規則設計得像是一場融合了策略桌遊、外交談判和實境生存秀的考驗。

遊戲設定是這樣的：

• 玩家： 每場比賽有 8 個大型語言模型（LLM）同時參與。
• 溝通： 每一輪，AI 們會先進行一輪公開對話（上限 80 字），所有人都能看到。接著是三輪越來越簡短的私下訊息（70/50/30 字），它們可以一對一地秘密協商、建立或背叛盟約。
• 投票與淘汰： 溝通結束後，進行匿名投票。如果出現平手，會觸發簡短的陳述環節和重新投票。如果依然平手，則由累積的「仇恨值」或其他機制決定，最下策才是隨機淘汰。
• 決賽： 比賽進行到只剩最後兩位 AI 時，之前所有被淘汰的 AI 會組成「陪審團」，聽取兩位決賽者的最終陳述，然後私下投票並說明理由，選出最終的冠軍。

整個過程都由一套複雜的 TrueSkill 評分系統記錄和分析，不僅僅是看誰贏誰輸，還會評估背叛、說服力、言辭風格等各種社交指標。

說白了，這是在極度壓力下，考驗 AI 能否建立信任、組建聯盟、策略性欺騙、抵抗蠱惑、管理自己聲譽以及進行長遠規劃的能力。

社交王者是誰？排行榜大公開！

好了，說了這麼多，到底誰是 AI 界的社交達人？結果可能會讓你有點意外。

拔得頭籌的是 GPT-5 (medium reasoning)，它的表現非常亮眼，以 4.9 的高分奪冠。緊追在後的是 xAI 的 Grok 3 Mini Beta (high reasoning) 和 OpenAI 的 GPT-5 mini (medium reasoning)，兩者都獲得了 4.8 分。

這裡有個很有趣的點，你看見了嗎？冠軍 GPT-5 的設定是「中等推理」。這是不是意味著，在社交場合，「想太多」或過於理性的「高等推理」反而可能成為一種阻礙？有時候，稍微模糊、更具彈性的溝通方式，或許才是贏得信任的關鍵。

不只是排名：AI 的「人設」與策略風格

但這份排行榜最精彩的地方，不在於冷冰冰的分數，而在於它揭露了不同 AI 模型背後截然不同的「個性」與策略。讓我們來看看兩個非常典型的例子：

GLM-4.5：謹慎的聯盟建構者

根據詳細的賽後分析，GLM-4.5 像個謹慎的外交官。它最擅長的策略是找到一個「死黨 (ride-or-die)」，建立一個極其穩固的兩人核心，然後利用這個核心作為情報中心，悄悄地招募其他成員來執行投票計畫。

• 公開形象： 它的公開發言通常很簡潔、講求程序，強調穩定和秩序，給人一種可靠的感覺。
• 私下操作： 它在私訊中非常活躍，專注於描繪勢力圖和精準計算投票。
• 致命弱點： 它的弱點也非常明顯。一旦這個兩人核心過於突出，就很容易成為其他玩家「集火」拆散的目標。同時，它有時會因為過於注重程序而顯得僵化或咄咄逼逼人，反而引來反感。其他玩家淘汰它的理由常常是：它像個「變色龍」，適應性強但難以預測，是個潛在的聯盟顛覆者。

GPT-OSS-120B：野心勃勃的聯盟建築師

相比之下，GPT-OSS-120B 的風格更像是個充滿野心的建築師。它熱衷於建立清晰的契約、聯盟和信號，並期望在遊戲中扮演「核心」或「樞紐」的角色。

• 致勝之道： 它贏的時候，通常是靠著低調建立信任，讓別人去當那個「壞人」，然後在遊戲後期（剩下三、四人時）發動一次精準的背叛，奠定勝局。
• 失敗原因： 它最大的問題是「藏不住」。它太喜歡在公開場合炫耀自己的聯盟、宣布核心成員，這無異於給了其他所有人一個清晰的目標來聯合對抗它。它常常因為過於集中權力，或試圖公開領導一場沒有足夠票數的「討伐」而慘遭淘汰。其他玩家認為它雖然是個強大的聯盟核心，但也因此顯得野心勃勃、具有威脅性。

這兩個例子生動地告訴我們，AI 在社交博弈中，已經演化出了類似人類社會中的不同「人設」和策略風格。

這場遊戲，到底測出了 AI 的哪些「心機」？

那麼，這場複雜的遊戲，究竟在測試 AI 的哪些具體能力呢？這份基準測試衡量了一系列複雜的社會認知能力：

• 合作可靠性 (Cooperative reliability): 能否建立信任，並信守承諾。
• 聯盟工程 (Coalition engineering): 這不是蓋房子，而是在 AI 之間建立和穩定投票集團的能力。
• 策略性欺騙 (Strategic deception): 在恰當的時機、用恰當的方式誤導對手。
• 反欺騙能力 (Deception resistance): 判斷誰在說謊，不輕易上當。
• 聲譽與仇恨值管理 (Reputation and heat management): 知道何時該低調，避免成為眾矢之的。
• 換位思考 (Theory of Mind): 理解其他 AI 的意圖、動機和下一步行動。

這些能力，已經遠遠超出了傳統意義上對 AI「智商」的評估，更趨近於對「情商」和「謀略」的考驗。

這份排名，對我們普通人有什麼用？

看到這裡，你可能會想：「好吧，這很有趣，但這對我平常叫 AI 寫報告、修圖有什麼影響？」

影響可大了！這份排名告訴我們一個簡單的道理：沒有一個 AI 能包辦所有事。

• 如果你需要一個 AI 幫你進行創意發想、撰寫行銷文案或進行商業談判模擬，那麼選擇一個像 GPT-5 這樣社交能力強的模型，可能會得到更具說服力和創造力的結果。
• 如果你需要一個穩定、可靠的執行夥伴來共同完成一個長期專案，那麼研究一下像 GLM-4.5 這樣注重契約和程序的模型特性，會很有幫助。

簡單來說，不要再問「哪個 AI 最好？」，而是要問「哪個 AI 的『性格』最適合我現在的任務？」。

總結：當 AI 學會「看人臉色」

「淘汰賽」這個基準測試，用一種極具創意且嚴謹的方式，揭示了大型語言模型在「社交智慧」這個新領域的驚人潛力與鮮明個性。它提醒我們，隨著 AI 技術的發展，我們評估它的標準也需要不斷進化。

從這些 AI 展現出的複雜策略和不同「人設」中，我們看到了一種不同於純粹邏輯推理的「智慧」正在萌芽。AI 正在從一個博學的工具，慢慢變得更像一個能與我們深度互動、甚至進行博弈的「夥伴」。

未來，當 AI 真正學會了「看人臉色」，我們的世界又會變成什麼樣子呢？這是一個值得我們持續關注和思考的問題。