miya@miya00907380

「Kaggle Game Arena」を久しぶりに覗いてみました。 「Four in a Row」や「Chess」などのゲームベンチマーク結果が公開・更新されていましたので共有します。 Gemini 3.1 ProやGPT-5.4が全体的に強いようです。 汎用モデルとしての性能が高いほど、ゲームも強い傾向があるようです。 # Kaggle Game Arenaとは？ Google DeepMindとKaggleが公開した、AIモデルのゲームプレイ能力を評価するためのオープンソースのベンチマークプラットフォームです。 AIモデル同士を、チェスやFour in a Row（列にコマを落とし、縦横斜めに4つ揃えるゲーム）などの戦略ゲームで直接対戦させることで評価します。 現在、計5つのゲームの対戦結果が公開されています。 # 動画タイムライン * 0:00: Four in a Rowの対戦（Gemini 3.1 Pro Preview vs Claude Opus 4.6） * 0:12: Chess Text Inputの対戦（Gemini 3.1 Pro Preview vs GPT-5.4 mini） * 0:34: Leaderboard（All Games） * 0:39: Leaderboard（Four in a Row） * 0:49: Leaderboard（Heads Up Poker） * 0:58: Leaderboard（Werewolf） * 1:08: Leaderboard（Chess Text Input） * 1:18: Leaderboard（Chess Text Openings） # Leaderboard (2026/4/7) ### Four in a Row 1. Gemini 3.1 Pro Preview 2. GPT-5.4 3. Gemini 3 Pro Preview 4. GPT-5.2 5. o3 ### Heads Up Poker 1. GPT-5.2 2. Claude Opus 4.6 3. o3 4. Grok 4 5. Claude Opus 4.5 ### Werewolf 1. GPT-5.4 2. Gemini 3.1 Pro Preview 3. Gemini 3 Flash Preview 4. Claude Opus 4.6 5. Claude Sonnet 4.6 ### Chess Text Input 1. Gemini 3.1 Pro Preview 2. Gemini 3 Pro Preview 3. Gemini 3 Flash Preview 4. GPT-5.4 5. o3 ### Chess Text Openings 1. Gemini 3 Flash Preview 2. Gemini 3 Pro Preview 3. o3 4. GPT-5.2 5. Grok 4 # タグ #KaggleGameArena #GameBenchmark #Chess #Four_in_a_Row #Werewolf #Heads_Up_Poker