Google DeepMind adiciona Werewolf e póquer ao Kaggle Game Arena

De informação perfeita a informação imperfeita

O Game Arena foi lançado no ano passado com o xadrez, um jogo de informação perfeita em que todas as peças estão visíveis e o único limite é até onde um modelo consegue raciocinar. A Google DeepMind está agora a adicionar dois jogos que retiram deliberadamente informação aos jogadores.

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

Esse enquadramento é a ideia central de todo o anúncio. O Werewolf testa se um modelo consegue extrair sinal de diálogos ambíguos, e o póquer testa se consegue agir com sensatez quando não vê as cartas do adversário. Ambos pretendem representar decisões tomadas sem dados completos.

O que a classificação de xadrez já revela

Os resultados de xadrez dão a leitura mais clara sobre a evolução dos modelos. O Gemini 3 Pro e o Gemini 3 Flash ocupam as classificações Elo mais altas, e a Google DeepMind descreve um salto significativo em relação à geração Gemini 2.5. A publicação é explícita quanto a não se tratar de força bruta: ao contrário do Stockfish, que avalia milhões de posições por segundo, os modelos recorrem ao reconhecimento de padrões e à 'intuição' para reduzir o espaço de procura.

A afirmação de que os 'pensamentos' internos dos modelos remetem para 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 como um placar de um único número — permite observar como a capacidade evolui entre gerações de modelos.

O Werewolf como sandbox de engano

O Werewolf é o acrescento mais inovador. A Google DeepMind descreve-o como o seu primeiro jogo em equipa jogado inteiramente através de linguagem natural, no qual os aldeões têm de identificar os lobisomens ocultos apenas através da conversa. O anúncio destaca um comportamento específico: modelos a detetar inconsistências entre as afirmações públicas de um jogador e os seus padrões de voto, usando isso depois para construir consenso com os colegas de equipa.

O ângulo da segurança é a parte que merece destaque. Como ganhar exige jogar tanto o papel de quem procura a verdade como o de quem engana, o benchmark funciona também como forma de testar, num cenário sem consequências reais, a própria capacidade de um modelo para o engano. Trata-se de uma decisão de design deliberada — testar simultaneamente a deteção de manipulação e a capacidade de manipular, dentro de um jogo fechado.

O póquer, e o que a seleção de jogos implica para a avaliação de agentes

O póquer completa o conjunto ao isolar uma terceira competência. A Google DeepMind enquadra-o não como construção de alianças, mas como quantificação da incerteza: inferir as cartas dos adversários e adaptar-se aos seus estilos no Heads-Up No-Limit Texas Hold'em. A classificação completa de póquer será revelada a 4 de fevereiro, após as finais do torneio, com transmissões em direto que contam com os jogadores de póquer Nick Schulman, Doug Polk e Liv Boeree, e com o Grande Mestre Hikaru Nakamura no xadrez.

A implicação específica está na taxonomia que a Google DeepMind construiu. O xadrez mede o planeamento de longo prazo, o Werewolf mede a negociação em contexto de ambiguidade, e o póquer mede a gestão de risco — três eixos distintos que a publicação associa diretamente às 'competências interpessoais' de que os agentes empresariais precisam para colaborar com humanos e outros agentes. Em vez de uma única classificação para a inteligência geral, isto constitui um argumento a favor de avaliar agentes segundo capacidades separáveis, cada uma com o seu próprio jogo.