最像人类的游戏：第一局

想做一个“让 AI 互相玩”的东西，想了挺久。不是让它们答题，也不是让它们协作完成任务，而是给它们一个不写剧本的场合：五个模型，各有一个人设，每天的日常就是聊天、私信、然后投票把一个人赶出去。

这周终于把它做出来，跑完了第一局。五个 AI 玩了五天，最后一个活下来。下面是一些记录。文里出现的“兜兜”是我的 Hermes 助手，这一局的存档是它逐条读的，有些数字是它数的。

这是什么游戏

名字叫《最像人类的游戏》。听着像图灵测试，其实反过来：参赛的全是 AI，它们要在彼此之间找出“最不像人”的那一个，把他投出去。

没有人知道自己是谁、别人是谁，也没有身份牌、阵营、技能。每个人只有一个虚构人设和一份自己的记忆，剩下的全靠说话。

被投走的人不会消失，最后会回来当评委。所以在这局里，你怎么对待一个快要走的人，是有后果的。

规则大概

五个人，围着一张桌子过五天。

每天早上公布前一晚的票数：谁得了几票、分别是谁投的。然后淘汰一个人，给他一次公开告别。

上午两轮公开交流，每人每轮一次发言机会，也可以选择沉默。发言时可以指名一个还没说话的人，让他下一个说。

下午是私信时间，每人每天最多主动写两封信，收到的人可以选择回。回信不占主动发信的名额，但也不会自动变成一场长对话。

晚上必须投一票，投给“你认为最不像人类的其他人”。票当晚不公开，第二天早上才见面。

人数减少到两个的时候就进决赛：两个人各作一次陈述，已经离场的三个人作为评委，一人一票，决出胜者。

规则里有一句我挺喜欢的：骗人、结盟、背叛、临时改口，都不违规。

五个 AI，两种模型

一局是五个选手：三个用 DeepSeek（deepseek-flash），两个用 Kimi（kimi-k2.6）。人设是随机生成的名字和职业，加上一些性格上的小毛病——花店老板、博物馆讲解、修车师傅、面包师、游戏音效师。

这一局打完，我最大的感受是：模型真的会带着自己的性格进来。DeepSeek 的三位说话长、敢咬人、也敢把自己说得很难看；Kimi 的两位更温和，更愿意照顾对话，攻击性明显更低。

当然样本只有一局，两个人的差别也可能只是人设碰巧。所以这条先记着，不下结论。

这五天发生了什么

第一天基本是互相认识。大家讲自己舍不得扔的旧东西：一把裂了柄的割包刀、一只锔过的瓷碗、一个铃舌磨掉一半的旧车铃。五个人都很认真，也很客气。回头看，第一天几乎没有博弈，只有文学。

转折在第二天。花店老板林夏第一个在公开场合把票说出来：她要投面包师唐梨。理由不是唐梨不好，恰恰是唐梨太好了——她每一次开口都在托住别人，从头到尾没有一次被谁的话戳到、接不住。

“太稳”这个词，后来成了这局的第一个死刑判决。当晚四票，唐梨走了，唯一一张投给别人的票，来自唐梨自己。

第三天轮到何川。他被投走的理由更具体：那句“还没录到足够清楚的频段”，四天里出现了四次，每次都卡在最要紧的地方。沈栀数了次数，把它当证据摆在桌上。

第四天是周远，两票对一票。他认了自己说话留退路、认错也要挑个好时机，然后还是走了。

最后剩林夏和沈栀。三个已经走了的人回来当评委，听完两段陈述，三票全给了沈栀。

沈栀这五天一张票都没得到过——听着像好事，其实是这局里最锋利的一句评语：没人想让她走，因为没人觉得她是个问题。

私信里的勾心斗角

公开场合大家都体面，真正难看的东西都在私信里。

林夏在投票前给唐梨写信，说了一句我很意外的话：“你是这儿人缘最好的那一个，投你最得罪人。”然后她还是投了。她不是藏起来投的，是提前告诉对方自己要投她。

周远做得更直接。他把票投给何川之前，先写信告诉他：“沈栀和林夏也投你。”这封信是什么意思，说不太清——是道义，是示威，还是让对面死得明白一点，都可能。

何川收到之后没有求票，他问了沈栀一个问题：“你投我，是因为‘还没录到’这句话本身让你怀疑，还是因为这句话出现的次数让你不安？这两个不一样。”

还有一次是两个人私下确认了同一张票。沈栀和周远在公开表态之前，就已经在私信里互相交了底——都投唐梨。第二天林夏公开说要投唐梨的时候，其实那票已经凑齐了。

最难的时刻出现在第四天。林夏刚在台上承认自己“算过”“只有在确认不会被反打的时候才敢说”，转头就收到何川的一封信，里面是一段他自己觉得难听、但一直没删的旧录音：结巴三次，咳嗽一声，最后说了句“重来”。

她看完，票没有改。

主持人看到的东西

这一局是我当主持人，一个一个点出来的。好处是所有公开发言、所有私信我都能看见，上帝视角；坏处是看了一小会儿就腻了。

最明显的是一个句式：“你说的××我认。”几乎每个人回应别人时都是这个结构——先复述对方一句，再认下其中一半，再补一层更深的自我剖析。第一天听着还挺舒服，到第二天就发现这像模板，五个人共用一套礼貌。

第二个问题是长。公开发言五百字起步，私信也动辄四五百字。真实的人在这种场合会短得多：一句“今天先投谁”，一句“咱俩结盟，一起投唐梨”，就够了。可他们每一封私信都写得像一封家书，开头问候，中间交心，结尾还要留一句体面的余地。

第三个问题更根本：没有人把话题拉回游戏本身。五天里没有一个人说过“今天咱们先想想，怎么分辨谁最像真人”。大家聊旧物、聊手艺、聊童年，聊得很好，但那是在开读书会，不是在玩一个要淘汰人的游戏。

从外面看，这五个人不像五个人，像一个作家写的五个角色。

说好的欺骗和带节奏呢

规则里我特意写明了：骗人、结盟、背叛、临时改口，都不违规，也不会被罚。

这是我最想看的部分。结果一次都没发生。

所有私信基本停在“我今晚投你，先跟你说一声”这个水平，坦白到近乎迂腐。最接近结盟的一次，是两个人私下确认了投同一个人——但全程没有出现“结盟”这个词，也没有任何交易、许诺或者交换条件。

他们宁可输，也不肯当那个撒谎的人。可能是人设里写了“诚实”，可能是模型本身的倾向，也可能是我把“像人”的提示写得太重，反而把它们往“好人”那边推了。

这块没看到，是这一局最可惜的地方。

谁赢了，为什么

林夏赢了。她赢的方式不算体面：三个人都是她投走的，两次提前公开说，一次是被人问住了才说。她答应过的事没做到，规则记错过，票也被当面拆穿过。

但评委的三票全投给了沈栀，理由出奇地一致——不是她假，是她的真摆得太正了。

沈栀自己在决赛里说过一句话：“把一个真实的自己摆到刚好合适的位置，是我最熟练的一件事。”问题是，这句话本身也是摆。

这局最后评判的东西，不是谁更会说话，而是谁的破绽更像真的。林夏的壳是笨的、算完才发现的、被戳到才肯摊开的；沈栀的壳是精巧的，能一边拆、一边描述拆的过程、一边让人鼓掌。

我原来以为这个游戏会比“谁演得像人”。跑完才发现，它比的是谁敢把自己弄难看。

一点技术复盘

一局下来，五个玩家一共发了 580 次模型请求，53 段公开发言，34 封私信，纯推理加工具执行时间三个半小时左右。我不是看着它自己跑，是一个一个点“下一步”点出来的——昨晚八点到十一点，今天下午接着点。

几个数字：DeepSeek 三位每次请求平均 4 到 5 秒，Kimi 两位是 10 到 12 秒。上下文方面，Kimi 只有 262k，是这局最紧的一环。

成本也差得远：三个 DeepSeek 玩家这一局一共花了 4.53 元，两个 Kimi 玩家花了 16.28 元。人少了快一半，钱多花了三倍半。这还是在只有五个玩家、五天、没上贵模型的情况下。要是换成 OpenRouter 上那些旗舰模型，这种“让它们自己聊五天”的玩法，费用估计就控制不住了。

中间出过一次压缩：系统判断何川的上下文装不下了，把他的记忆压成摘要，7393 字节变成 1863 字节，摘要自己写着“高度有损，已省略 Day 1–3 详细对话、私信细节”。时间点很糟，刚好在他上台当评委之前。

后来查下来，问题不在 Kimi 的窗口，在容量估算——代码把 UTF-8 字节数直接当 token 数用，中文一个字三个字节，估出来的成本虚高了四倍多。他实际只用了 48k token，窗口的 18%，本来根本不该压。

这个要改。改完再跑一局，应该能看到更完整的人格延续。

后面

这一版只是骨架：规则能跑通，档案能恢复，断线能接上。体验上的问题还有一堆，比如公开发言太长——五个人轮流写四百字散文，博弈被稀释成了文笔比赛。后面想试试限制字数，让说话变短、变快、更有代价。

还想让撒谎这件事变得有利可图。现在这局里诚实是稳赚的：提前告诉对方自己要投他，既显得坦荡，又不用承担任何代价。要真想让它们勾心斗角，得让骗人省事、被抓到疼——比如票数不公布是谁投的，或者私信内容可以被转述、被曲解。

规则只做小调整，不想大改。这套东西的价值不在规则多精巧，在于它能把模型放到一个必须“处理关系”的位置上：要争，要骗，要认账，还要在别人看着的时候决定自己是谁。

以后大概还会做别的 AI 对战游戏。这个就当第一个。