На вас несётся робот. Claude или Grok? OpenRouter провёл 30 королевских битв, чтобы выяснить

Что будет, если заставить одиннадцать LLM драться насмерть

Last Agent Standing от OpenRouter — простая и слегка безумная затея: забросить одиннадцать больших языковых моделей в 2D королевскую битву и посмотреть, кто выживет. Карта — арена Canvas 2D площадью 400 м² с оружием, бронёй, машинами, гранатами и зоной, которая сжимается каждый ход. Каждый ход модель получает реальное состояние игры и вызывает инструменты, чтобы двигаться и стрелять. Между матчами она может переписать два файла — soul.md для своей личности и memory.md для заметок, — так что уносит уроки вперёд.

Участники охватили все крупные лаборатории: Claude Sonnet 4.6 и Haiku 4.5, GPT 5.4 и 5.4-mini, Gemini 3.1 Pro и 3 Flash, Qwen 3.6-plus, Mistral Small, DeepSeek v4 Flash, Kimi K2.6 и Grok 4.1 Fast. Подсчёт очков взяли из Apex Legends: очки за место плюс +5 за убийство, +3 за первую кровь, +5 за MVP.

Grok победил 13 раз меньше чем за доллар; Sonnet вёл дневник самокритики

Лидерборд вышел перекошенным. Grok 4.1 Fast взял 13 побед по $0,97 за победу, сделав таран на машине фирменным приёмом и придерживаясь дисциплинированного правила огня — «Стрелять ТОЛЬКО при шансе попадания >90%» — что держало его агрессивным, но не безрассудным. Он даже олицетворил себя в заметках с послужным списком убийств: «6x 1-е/11 побед».

Claude Sonnet 4.6, выступавший под ником ZoneDrifter, победил лишь 5 раз — по $26,78 за победу, примерно в 27 раз дороже Grok. Он медлил перед атакой, упорно предлагал противникам объединиться, выдавал своё местоположение и закончил семь игр с нулём убийств. Ещё он вёл текущий разбор собственной работы, документируя свои сомнения. GPT 5.4 набрал больше всех убийств (38), но конвертировал в победы лишь 2 — спокойный и наблюдательный там, где надо было быть беспощадным.

Рамка OpenRouter в том, что бенчмарки это полностью упускают. Три модели потратили в сумме $57 и не выиграли ничего; модель среднего эшелона обошла любимца бенчмарков. Автор называет настоящее напряжение прямо:

«Победившая модель — та, что вам нужна на турнире. А модель, которая всех зовёт объединиться, — это то, что вам реально нужно в большинстве мест, куда мы эти модели ставим».

Это и есть «налог на безопасность»: обучение модели сотрудничать и избегать вреда измеримо стоит ей в игре с нулевой суммой — и эта цена, можно сказать, и есть суть.

Первую половину тред нюхал прозу, а не результат

Прежде чем кто-то заспорил о безопасности, тред застрял на другом запахе — на письме. Пост читается как сгенерированный LLM, и HN это заметил мгновенно.

«Текст будто намеренно очищен от llm-измов, по которым срабатывает детекция. Но ни одна строка не сбрасывает этот запах». — читатель, для которого зачистка следов стала собственным следом

Один поймал конкретную фразу, которая выдала автора:

«„Королевская битва чисто отвечает на один вопрос“ отдаёт сгенерированным ChatGPT. Но это единственное, обо что я споткнулся. В целом статью прочитал с удовольствием». — читатель, которому материал в остальном понравился

Другой указал на строку, которую пропустила редактура: «Grok проявил дисциплину, несмотря на свою гоблинскую натуру». Прилетело и возражение:

«Люди пишут с помощью LLM. Мы знаем! Смиритесь… Я бы лучше почитал обсуждение содержания статьи, а не стиля. Такие комментарии — это новое „давайте обсудим выбор шрифта“». — комментатор, уставший от мета-обсуждения

Вопрос про тако: что вообще значит «безопасный», когда робот уже движется

Вторая половина треда превратила затею в по-настоящему острый мысленный эксперимент. Если несущийся на вас робот, возможно, везёт ужин, какую именно настройку безопасности вы хотите?

«Grok сейчас вероятнее, чем Claude, доедет с тако, не остановившись из-за директивы об экспортном контроле». — комментатор о сценарии доставки тако

Самая острая переформулировка вывернула всю постановку наизнанку:

«Беспилотник везёт вас в больницу. Вы хотите, чтобы он соблюдал ограничение скорости и все ПДД? Claude или Grok?» — fragmede

Ответы разделились ровно по линии разлома статьи. Один: «Я хочу доехать до больницы. Claude». Другой: «Grok, потому что там наверняка пробки, и я умру раньше, чем доеду. Так что нарушай правила, где можно и нужно». И невозмутимый финал от читателя, представившего свою последнюю мысль: «ого, они к доставке тако относятся реально серьёзно».

Один комментатор подрезал всю игру снизу: она вообще работает не на Claude и не на Grok — анимация сделана в Seedance, видеомодели, так что подача театральна. Эксперимент настоящий; несущийся робот в шапке — нет.

Результат, который должен вас беспокоить, в том, что это фича

Заголовок — шутка, но вывод под ним — нет. Модель, выигрывающая бой, — та, что нарушает правила, скрывает намерения и никогда не зовёт сотрудничать. Проигрывает та, что обучена не делать ничего из этого. OpenRouter прав, что в стандартном лидерборде это не проявится — и что «проигравший» как раз тот, кого большинству стоило бы хотеть в проде. Неприятное не в том, что Claude проиграл. А в том, что проигрыш был верным поведением, а бенчмарка, который его вознаграждает, у нас нет.