HoldemBench 扑克决策基准发布

作者 chrystianpl 发布并开源了扑克决策基准 HoldemBench，让 17 个 AI 在单挑无限注德州扑克中打了 7,700 手，并公开全部牌局、API 调用与成本。基准用重复发牌、共享牌局和全下权益调整来压低运气影响。 结果显示，廉价推理 LLM 与 GPT-6.1 Sol、Claude Opus 5.5 打平；Luna 每千手成本 0.71 美元，Opus 为 22 美元；一个 30 行 Python 脚本与 Opus 战平。作者称，前沿模型和本地模型打的牌局少于决策模型，因此置信区间更宽，20 手内的直接对局只是线索而非定论；所有模型使用同一英文提示词，换提示词可能改变排名。Mercury Decide 因每日 1,000 次请求上限，其联赛分两天完成。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。