(SeaPRwire) –   現在，在Twitch上直播的內容中，你可以看到世界上最聰明的三個AI系統——、、和——正在盡力挑戰經典寶可夢遊戲。至少以人類的標準來看，它們的表現並不太好。

這些系統動作緩慢、過度自信，且經常感到困惑。但如果你想了解這些系統當前在更廣泛世界中的能力，追蹤它們成為寶可夢冠軍的努力，會比每個新模型發布時伴隨的、往往難以理解的基準數據告訴你更多信息。

讓大型語言模型（LLM）成為寶可夢大師的嘗試始於去年2月，當時Anthropic的一名研究人員推出了一個Claude玩1996年Game Boy遊戲《寶可夢紅》的直播，以配合Claude Sonnet 3.7的發布——當時它是世界上最好的模型之一。正如該公司所指出的，這是第一個能夠有意義地玩這款遊戲的Claude模型（之前的模型「漫無目的地徘徊或陷入循環」，無法通過遊戲的開場階段）。在最初的幾周內，該直播吸引了大約2000名觀眾，在公共聊天中為Claude加油打氣。

大多數孩子在大約20到40小時內就能輕鬆完成這款遊戲。Sonnet 3.7並沒有設法打敗它，經常一次卡住數十個小時。Anthropic的最新模型Claude Opus 4.5表現得，但其實也經常卡住。有一次，它花了四天時間在健身房周圍盤旋，卻無法進入，因為它沒有意識到（或看不到）它應該砍倒一棵樹。Google的Gemini模型去年5月設法完成了一款等效的遊戲，這讓Google CEO Sundar Pichai開玩笑地，該公司離創建「人工寶可夢智慧」又近了一步。

但這並不意味著Gemini是更好的寶可夢大師。這是因為這兩個AI系統使用不同的「戰甲」（harness）。正如運行Gemini Plays Pokémon直播的獨立開發者所解釋的那樣，戰甲最好被理解為一套「鋼鐵人」戰甲，AI系統被置於其中，使其能夠使用工具並採取自己無法採取的行動。Gemini的戰甲為它提供了更多幫助——例如，將遊戲的視覺效果轉換為文字，從而繞過其視覺推理的弱點，並提供自定義工具來解決難題。與此同時，Claude被綁在一個更的戰甲中，這意味著它的嘗試能告訴我們更多關於模型本身的信息。

儘管模型與其戰甲之間的區別對日常用戶來說並不明顯，但戰甲已經改變了我們使用AI的方式。例如，當你向ChatGPT查詢需要搜索網絡的內容時，它會使用網絡搜索工具——這是其戰甲的一部分。在寶可夢方面，每個模型都在使用不同的自定義戰甲，管理它們可以採取的行動。

寶可夢非常適合測試AI能力——不僅僅因為它的文化熟悉度。與瑪利歐這類需要實時反應的遊戲不同，寶可夢是回合制的，沒有時間壓力。要玩遊戲，AI模型會收到遊戲的截圖和一個提示，解釋其目標和可以採取的行動。然後它們自己思考，輸出行動（如「按A鍵」）。這就是一步。截至撰寫本文時，Opus 4.5已經玩了超過500小時的人類時間，處於第170,000步。在每一步，模型都會重新初始化，借鑒其先前實例留下的信息，就像健忘症患者依賴便利貼一樣。

AI系統在國際象棋和圍棋方面表現出超人的能力，卻在六歲兒童都能輕鬆玩的遊戲中掙扎，這可能令人驚訝。但征服國際象棋和圍棋的系統是為這些特定遊戲量身定制的，不同於Gemini、Claude和ChatGPT這類通用系統。儘管如此，由於這些LLM繼續在考試中取得優異成績，並在編碼比賽中壓倒人類，它們在這裡的表現不佳從表面上看是令人困惑的。

AI面臨的挑戰來自「它在長時間範圍內堅持完成任務的能力」，張說。至關重要的是，如果AI要實現認知工作的自動化，這種長期規劃和執行的能力也是必要的。「如果你想讓一個代理完成你的工作，它不能忘記五分鐘前做過的事情，」他說。

獨立研究人員Peter Whidden基於一種較舊的AI開發了一個寶可夢遊戲算法，他這樣說：「AI知道關於寶可夢的一切。它接受了大量人類數據的訓練。它知道自己應該做什麼，但執行起來卻很笨拙。」雖然「代理」一詞已經被營銷炒作過度使用，但任何值得這個稱號的AI系統都需要彌合知識與執行之間的差距，並進行長期規劃。

有跡象表明，這種差距正在開始縮小。Opus 4.5比以前的模型更善於留下備註，這與其改進的理解所見內容的能力一起，讓它在遊戲中走得更遠。在打敗《寶可夢藍》後，最新的Gemini系統（Gemini 3 Pro）繼續完成了更具挑戰性的《寶可夢水晶》，沒有輸掉一場戰鬥——這是其前身Gemini 2.5 Pro無法實現的壯舉。

與此同時，Claude Code——本質上是一個允許Claude編寫和運行自己程式碼並構建自己軟件的戰甲——已被應用於另一款復古遊戲中，據報導它在那裡成功管理著一個主題公園。所有這些都指向一個奇怪的未來：戰甲中的AI系統可能能夠執行大量知識工作——包括軟件開發、會計、法律分析和圖形設計——即使它們在需要實時反應的任何事情上掙扎，比如玩《決勝時刻》遊戲。

這些寶可夢遊戲運行揭示的另一件事是，這些基於人類數據訓練的模型如何表現出類人的怪癖。例如，在Gemini 2.5 Pro中，Google指出，在模型模擬恐慌的情況下——比如當它的寶可夢即將暈倒時——其推理能力會下降。

而且這些模型繼續以意想不到的方式行事。當Gemini 3 Pro完成《寶可夢藍》時，它寫道：「我已成功完成遊戲，成為寶可夢聯盟冠軍並捕獲了超夢。」然後它決定做一些意想不到且主動的事情，張認為這很令人感動。「為了富有詩意地結束這一切，」它寫道，「我要回到一切開始的地方——我的房子，有效地「退休」我的角色一段時間。我想最後一次和媽媽說話，來結束這次遊玩。」