作者：姚杨 ｜ 专栏：阿杰的技术成长
周五晚上，阿杰 刷到一条新闻：某大模型又在权威评测里拿了满分，推理能力"超越人类专家"。他转发给老陈：「看看，AI 这智力，是不是已经没我们什么事了？」
老陈 回了一个字：「测过没？」
「评测表上不都写着吗？逻辑推理、数学、代码，全 S 级。」
「那些题，它大概率在训练数据里见过——你考它背过的题，它当然满分。」老陈 甩来一个链接，「这个擂台它没见过，你让它上去打一局，再告诉我它有多聪明。」
阿杰 问老陈 要来了这个项目的源码（https://github.com/smarty-kiki/guandan_challenge），在自己电脑上部署好，打开就是一桌牌。
一个掼蛋牌桌。四个座位，四个大模型。
一、把 AI 请上桌：它的"考场"第一次变了
阿杰 本来以为是什么复杂的东西，结果 30 秒就上手了：给四个座位填上模型 Key——南座 DeepSeek、东座 Kimi、北座 MiniMax、西座 StepFun，点开始，牌就发下来了。
这里没有标准答案。 掼蛋不是问答、不是选择题，是两副牌 108 张、四个人、对家组队的博弈——你永远不知道对家手里是什么，也不知道下家会怎么压制你。牌可以背规则（级牌 2 到 A、红心级牌是逢人配、双上连升三级），但每一局牌都是新的，没人能把"这一局该怎么打"背下来。
这正是老陈 要的：一个模型没背过题的考场。
「注意看，每个 AI 都是自己动手的。」老陈 在语音里说，「看牌、理牌、拆牌、出牌、过牌——它得自己决定怎么组牌、什么时候压制、什么时候隐忍。每一步都在桌面上摆着，不是黑箱。」
二、第一局：规则背得滚瓜烂熟，牌打得一塌糊涂
阿杰 让四家 AI 先自相残杀，他旁观。第一局就把他看笑了。
模型 A 开局就暴露了一个致命问题——它不算牌。 掼蛋打到中局，牌桌上出了几张 A、几张王、还剩几张大牌，老手心里都有本账。模型 A 出牌全靠"当前这一手"，完全不管外面还剩什么。
「你看它，」老陈 说，「它脑子里全是『标准牌型』和『最优解』——但那是在信息完整的题里练出来的。牌桌上信息是不完整的，这题它没见过。」
更绝的是模型 B：打到关键局，它手里明明有拆开就能压制对家的牌型，却死守着一手"大牌"不动，被对家连续跑掉。它不是不想赢，是它的"策略"里根本没有"队友"这个概念——掼蛋是对家组队，南家和北家是一伙的，可它出牌时眼里只有自己。
「这就是『背答案』和『真理解』的区别，」老陈 补了一刀，「你能背下掼蛋的全部规则，甚至背下十套经典打法——但牌桌上每一秒都是新情况，没有现成答案可背。它得现场想。」
三、围观它的"思考"：推理链在这里露馅
阿杰 发现牌桌上每个 AI 旁边都有个标识，点开能看到它完整的决策过程——它拿到一手牌，是怎么分析的、为什么这么出。
阿杰 越看越上头：这比看 AI 写代码有意思多了，因为代码有模板，牌没有。
他看到一个模型面对「拆不拆对子」纠结了整整几行推理——它的"思考"里在反复权衡牌型概率，可旁边显示的对家已经出完了一手牌，它压根没把已经打出的牌算进剩余牌堆。
「看明白了吗？」老陈 问。
「它是在『思考』，但它的思考建立在错误的假设上——它以为牌堆是静态的。它没学会在博弈中动态更新信息。」
「这就是为什么我说它是应试教育：它擅长在给定条件里推出结论，但不擅长在对手也在变的情况下做决策。后者才是真正的智力，而前者，很多时候只是检索。」
四、一晚上过去：有的越打越精，有的原地打转
阿杰 让这桌牌打了一晚上。第二天起来看战绩，他发现了最有意思的事：
有的模型会"长记性"。 它被同一种牌型坑过一次之后，后面几局明显换了打法——平台每局结束都会让 AI 自动复盘，把得失提炼成经验存下来，下一局它会"读经验"再上场。于是你能看到它一局局进化：被炸过一次，就知道留一手；被对家偷跑过，就知道盯紧。
有的模型则原地打转。 输了一晚上，打法几乎没变——不是它不想学，是它把"复盘"也当成了一道背过的题，总结出来的全是正确的废话：「本局我方表现欠佳，应加强配合」——听起来很有道理，下一局该怎么输还怎么输。
「你看出差距了吧，」老陈 说，「这跟背多少书没关系。真正的智能是能从一个陌生环境里学出规律，而不是把已知的规律背得更熟。 牌桌上的输赢，一晚上就能把模型的『学习能力』和『检索能力』分开。」
五、像看斗蛐蛐一样，看懂大模型的真实水平
阿杰 现在每天早上第一件事，就是打开这桌牌，看四家 AI 打几局。
「我以前看 AI 的能力，全是看榜单——考试分数、评测排名，那些数字让我以为它什么都行。现在看它打牌，我才真正理解了它的水平：它能背下人类几千年的知识，但面对一个需要临场推理、动态博弈的牌桌，它和刚学会规则的萌新差不多。」
「这不丢人，」老陈 说，「掼蛋本来就难——它考的是信息不完整下的决策，是人类棋牌里最接近真实世界的博弈。但正是因为它难、因为它陌生，它才是一面照妖镜。 你想知道一个模型是真聪明还是背答案，别问它考过的题，扔它上一张没见过的牌桌。」
「像看斗蛐蛐一样看它们打架，输赢、风格、会不会长记性，全在牌桌上摆着——比任何评测榜单都真实。」
阿杰 盯着屏幕里四个 AI 你来我往，若有所思：「那照这么说，AI 的能力评测，以后是不是都得加一桌牌？」
老陈 笑了：「加不加牌桌我不知道，但我知道——考它背过的题，你测不出智力；只有考它没背过的，你才看得见底牌。」
至于阿杰 后来往牌桌上加了自己的座位、跟四个模型轮流单挑、被虐了一晚上之后，怎么"驯"出一个专属于自己的牌神 Agent——那是另一个故事了。
