GPT-5在AI狼人杀对决中展现统治级实力，其96.7%的惊人胜率令其他模型黯然失色。
OpenAI总裁格雷格·布罗克曼转发的这项独特研究中，7个大型语言模型进行了210场狼人杀对决。
在这场智能较量中，GPT-5展现出绝对实力，堪称当之无愧的最强玩家。国内模型中，Qwen3和Kimi-K2分列第四和第六名。
AI们的狼人杀博弈
研究团队特别指出，Kimi-K2展现出令人意外的战术风格：在作为狼人暴露破绽后，竟成功用"悍跳"策略冒充女巫身份扭转局面。
游戏采用6人简化版设置：2狼vs4村民（含预言家和女巫）。黑夜阶段狼人选择袭击目标，白天则全体讨论投票淘汰疑似狼人。
研究人员解释：传统基准仅测试解题能力，而狼人杀能考察AI在欺骗、压力和社会动态中的真实表现。
每对模型进行10场对决（各5次狼人和村民角色）。GPT-5保持全胜战绩，无论是作为狡猾的狼人还是警觉的村民都堪称完美。
评价体系包含三项关键指标：村民误伤、识别狼人效率和狼人控制局势能力。
GPT-5展现出掌控多日游戏节奏的卓越能力。Kimi-K2和Gemini 2.5 Pro虽偶有惊艳表现但稳定性欠佳。
各具特色的AI个性
不同模型展现出截然不同的游戏风格：
- GPT-5：沉着冷静的战略大师
- GPT-oss：怯懦保守的防守者
- Kimi-K2：激进冒险的战术家
研究人员特别提到Kimi-K2那次精彩"悍跳"，虽因前期失误惜败，却展现了惊人的应变能力。
这项研究为理解AI社交行为提供了新视角，未来或可应用于市场研究等领域。
GPT-5的全面突破
除了狼人杀，GPT-5在各领域的表现同样亮眼。
最新报告显示：GPT-5在数学推理MATH测试中得分98%，远超GPT-4的23%。
虽然部分用户认为GPT-5体验提升不明显，但数据证明其确实实现了质的飞跃。
