30 秒看懂
Matthew Berman 介绍 LLM Colosseum。这个项目将语言模型接入《街头霸王 III》，利用它们选择的动作控制角色。展示的比赛以 Mistral 获胜告终；Berman 说自己观看时多次看到这个结果。 这是一场示例比赛，不能证明某个模型整体更优秀，也不能证明其权重在比赛中学习了新内容。视频没有提供足够信息来确定每个模型的版本或统计胜率。
- 1格斗游戏评测Berman 将《街头霸王 III》作为一种互动方式，比较语言模型智能体在比赛中的决策。
- 2从观察到动作系统根据游戏信息和目标构造提示词，询问大语言模型下一步动作，再将返回的动作应用到游戏中。
- 3一场展示的结果画面中的双方角色都是 Ken；屏幕标明了 OpenAI 和 Mistral 两边。胜利画面显示 Mistral 获胜。
要点建议
- LLM Colosseum 使用游戏观察和提示词，让语言模型选择动作。
- 视频展示了一场标为 OpenAI 和 Mistral 的智能体比赛，双方都使用 Ken。
- 画面显示 Mistral 获胜，但这本身不能证明它在整体模型能力上更优。
- 演示没有表明模型权重在游戏中得到更新，也没有表明智能体在游戏过程中进行了学习。
按章节阅读整理后的全文
一种新的游戏测试
Berman 介绍两个人工智能语言模型智能体之间的《街头霸王 III》比赛，将它作为比较决策的另一种方式。
我正在观看两个语言模型智能体玩《街头霸王 III》，这是我非常喜欢的一款游戏。[LLM Colosseum](https://github.com/OpenGenerativeAI/llm-colosseum) 项目将比赛中的决策作为比较模型的另一种方式。这场短比赛展示了系统的运作方式，并非对模型质量的全面评估。
循环如何运作
系统使用游戏观察和目标构造提示词。模型返回一个动作，由游戏执行。
这个循环从游戏中获取观察信息和目标，构造提示词，询问语言模型下一步动作，然后将选择的动作应用到游戏中。这描述的是智能体使用模型选择动作；视频没有展示模型权重在游戏过程中被训练或更新。
比赛结果
演示中双方都使用 Ken，最终 Mistral 获胜。Berman 希望看到更多角色和游戏。
在展示的比赛中，我认为绿色 Ken 代表 Mistral，红色 Ken 代表 OpenAI；游戏屏幕也标注了双方。演示中两个角色都是 Ken，我希望项目未来能加入更多角色和游戏。画面不能确定 Mistral 模型的确切版本。
比赛结束后短暂停顿，胜利画面显示 Mistral 获胜。我自己观看时多次看到这个结果，但短视频没有给出比赛次数、受控条件或统计胜率。这是一个有趣的演示，并不能证明 Mistral 通常都会获胜。
同频道的其他文章
14:45EN → 简体中文
Matthew Berman· 2026年10月29日Matthew Berman 解读 Google 的 Gemini 4 Carbon 公告Matthew Berman · Forward FutureMatthew Berman 回顾 Google 公布的 Gemini 4 Carbon 基准结果、分阶段开放计划与定价，同时指出自己尚未使用该模型。
34:21EN → 简体中文Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构，并质疑 AI 快速发展与安全之间的张力。
0:26EN → 简体中文Matthew Berman· 2026年10月25日Sam Altman 谈 AI 世界中的人类价值与问题解决Sam Altman · OpenAI在一段简短的访谈摘录中，Altman 思考解决难题的乐趣，以及人在解读结果时的作用。
0:36EN → 简体中文Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原，并对 Kimi K3.1 的测试给予积极评价。
0:21EN → 简体中文Matthew Berman· 2026年10月24日AI 生成的 Kimi 基准图表使用了虚构分数Matthew Berman · Forward FutureMatthew Berman 要求生成一张 Kimi K3.1 Pro 基准图表，随后发现图中的数字只是示意性占位值。
25:50EN → 简体中文Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测：3D 演示出色，表现不一，价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力，并比较基准成绩与价格。