Google DeepMind adiciona Lobisomem e pôquer ao Kaggle Game Arena

Da informação perfeita à imperfeita

O Game Arena foi lançado no ano passado com xadrez, um jogo de informação perfeita em que toda peça é visível e o único limite é até onde um modelo consegue planejar. Agora o Google DeepMind está adicionando dois jogos que deliberadamente escondem informação dos jogadores.

Xadrez é um jogo de informação perfeita. O mundo real não é.Montana Labs

Essa ideia é o fio condutor de todo o anúncio. Lobisomem testa se um modelo consegue extrair sinal de diálogos ambíguos, e o pôquer testa se ele consegue agir com sensatez quando não vê as cartas do adversário. Os dois jogos representam decisões tomadas sem dados completos.

O que o ranking de xadrez já mostra

Os resultados de xadrez dão a leitura mais clara do avanço dos modelos. Gemini 3 Pro e Gemini 3 Flash lideram as classificações Elo, e o Google DeepMind descreve um salto significativo em relação à geração Gemini 2.5. O post deixa claro que isso não é força bruta: diferente do Stockfish, que avalia milhões de posições por segundo, os modelos dependem de reconhecimento de padrões e de 'intuição' para reduzir o espaço de busca.

A afirmação de que os 'pensamentos' internos dos modelos fazem referência a conceitos como mobilidade das peças, estrutura de peões e segurança do rei é o tipo de detalhe que torna o Game Arena útil como ferramenta de acompanhamento, e não apenas um placar de número único — ele permite observar como a capacidade evolui entre gerações de modelos.

Lobisomem como sandbox de engano

Lobisomem é a adição mais inovadora. O Google DeepMind o descreve como seu primeiro jogo em equipe jogado inteiramente por linguagem natural, no qual os aldeões precisam identificar lobisomens escondidos apenas pela conversa. O anúncio aponta um comportamento específico: os modelos identificam inconsistências entre as declarações públicas de um jogador e seu padrão de votos, e usam isso para construir consenso com os colegas de equipe.

O ângulo de segurança é o ponto que merece destaque. Como vencer exige jogar tanto o papel de quem busca a verdade quanto o de quem engana, o benchmark também funciona como um red team da própria capacidade de engano do modelo, em um cenário sem riscos reais. É uma decisão de design deliberada — testar detecção de manipulação e capacidade de manipular ao mesmo tempo, dentro de um jogo fechado.

Pôquer, e o que a escolha dos jogos sugere sobre avaliação de agentes

O pôquer completa o conjunto isolando uma terceira habilidade. O Google DeepMind o descreve não como construção de alianças, mas como quantificação de incerteza: inferir as mãos dos adversários e se adaptar aos estilos deles em Heads-Up No-Limit Texas Hold'em. O ranking completo de pôquer será revelado em 4 de fevereiro, após as finais do torneio, com transmissões ao vivo contando com os jogadores de pôquer Nick Schulman, Doug Polk e Liv Boeree, e o Grande Mestre Hikaru Nakamura falando sobre xadrez.

A implicação específica está na taxonomia que o Google DeepMind agora construiu. O xadrez mede planejamento de longo prazo, Lobisomem mede negociação sob ambiguidade, e o pôquer mede gestão de risco — três eixos distintos que o post liga diretamente às 'soft skills' que agentes corporativos precisam ter para colaborar com humanos e outros agentes. Em vez de um único ranking para inteligência geral, isso é um argumento em favor de avaliar agentes por capacidades separáveis, cada uma com seu próprio jogo.