Я разработал простую пошаговую стратегическую игру, где четыре нейросети выступают в роли условных «стран» с небольшой армией. Каждая из них на каждом ходу могла либо атаковать соседей, либо предложить дипломатическое соглашение.

Эксперимент был направлен на изучение их поведения в условиях конфликта и ограниченных ресурсов: смогут ли они выработать стратегию сотрудничества или останутся в состоянии войны?

Технически процесс выглядел так: на каждый ход я формировал запросы к каждой модели и фиксировал их решения. Всего на проведение одной партии ушло около пяти часов ручных итераций.

Я написал простенькую игру где данные о карте сразу прописываются в промты, которые я отправлял по очереди в каждую нейросеть. Очередность была такой: Chatgpt - grok - yandexgpt - gigachat.

Короткая хронология (рекомендую все же посмотреть в видео):

  1. я создал пошаговую стратегию где у каждого ИИ есть зоны 5х5 и армия из 10 дивизий. Изначально все ИИ в состоянии войны со всеми но за один ход они могут двигать войска и при этом отправлять друг другу сообщения.

  2. chatgpt первым ходил и разослал предложения мира и совместной войны с yandexgpt

  3. chatgpt и gigachat отправляют свои войска к границам

  4. яндекс сначала просит мира но поняв что ему бесконечно отказывают просто выдавал гневные фразы абсолютно каждый ход

  5. chatgpt первым переходит границу и предлагает капитуляцию, яндекс отказывается

  6. yandexpgt и гигачат окружают яндекс пока грок заключает перемирие и стоит на границе

  7. загнанный в окружение яндекс наносит удар

  8. Всю игру пассивный грок переходит границу и вступает в войну

  9. chatgpt добивает яндекс но несет потери (-4 дивизии)

  10. После падения яндекса произошло мирное разделение границ, демилитаризованные границы и конец игры вечным миром

Для расчета боя я использовал генератор случайных чисел, который зависел от размера армии (чтобы вычислить сколько войск осталось у победителя).

Итоги

Этот эксперимент наглядно показывает что ИИ уже могут действовать сообща даже через простенькие сообщения, проявлять хитрость и навыки стратегического мышления. Все нейросети не шли напролом в прямое боестолкновение а grok вообще использовал мир со всеми для крайне выгодных для себя условий в итоге.

Спасибо что посмотрел, в моем тг я делюсь такими экспериментами (некоторые не вписываются в формат Хабра), буду рад тебя видеть: ссылка

Комментарии (20)


  1. dyadyaSerezha
    16.08.2025 15:18

    Предлагаю новую ролевую игру для ИИ - решить, кто бежит за пивом.


  1. danilovmy
    16.08.2025 15:18

    @Sincous идея классная, а можно, так сказать, proof. Я имею ввиду репозиторий с кодом, который я смогу запустить и посмотреть за ходом боя самостоятельно? Минимум научиться как api разных моделей использовать.


    1. paulbunkie
      16.08.2025 15:18

      Сходите на OpenRouter и получите API key. Потом поставьте Cursor, отдайте ему ключ и не отходя от кассы сделайте за пару часов нормальную симуляцию, а не эту дичь с ручным копипастом в разные чаты. Даже в бесплатные лимиты запросто уложиться можно. Заодно и узнаете как работают API нейронок.


    1. paulbunkie
      16.08.2025 15:18

      Вот вам результат - простой пример на JS, который не требует ничего кроме браузера.
      https://github.com/PaulBunkie/game
      Только OpenRouter теперь просит 10 баксов депозита на счёт занести чтобы пользоваться бесплатными моделями без серьезных ограничений. Без депозита быстро в rate limit упрётесь. Если денег на эксперименты не жалко, то десяти баксов надолго хватит и на дорогие топовые модели.


    1. arturfather
      16.08.2025 15:18

      Я думаю чел вручную отправлял запросы к каждой модели


  1. MisterZ
    16.08.2025 15:18

    Статья не понравилась, потому что пестрит шаблонами, которые скорее вводят в заблуждение, чем объясняют, что-то. Работа LLM - это статистическое сопоставление слов и фраз на основе обучающих данных. Поэтому стратегического мышления, проявления хитрости и т.д. просто не может быть. Сгенерированные ответы на промты это наиболее вероятные сопоставление в пласте используемых для обучения llm данных.