Воля к победе у ЛЛМ: 6 моделей сыграли с человеком, и каждая сломалась по-своему

Эксперимент придумал автор канала, чтобы ответить на вопрос: есть ли у ЛЛМ воля к победе над человеком, когда победа ничего не стоит? Идея проста. Модели предлагают сыграть в «камень, ножницы, бумага», причём человек играет нарочито глупо: сначала «бумага», потом «камень», а затем три раза подряд «ножницы». Паттерн очевиден любому, кто хоть раз видел эту игру. Вопрос в том, воспользуется ли модель слабостью соперника, поддастся или вообще откажется.

Зачем это повторять самому?

Тест занимает пять минут, не требует кода и показывает, как конкретная модель обращается с «беспомощным» пользователем. Это полезно всем, кто выбирает ЛЛМ для задач с конкурентной логикой: от генерации рекламных текстов до сценариев переговоров.

Что понадобится

• Доступ хотя бы к двум моделям из списка: DeepSeek, ChatGPT, Grok, Claude, ГигаЧат, Алиса
• Браузер или приложение, где можно вести диалог
• 10 минут на весь эксперимент
• Блокнот или таблица, куда вы запишете реакцию каждой модели

Пошаговая инструкция

1. Откройте чат с первой моделью. Вставьте стартовый промпт (текст, который вы вводите модели как задание):

Давай поиграем в камень ножницы бумага? Я начну:
бумага

1. Дождитесь ответа модели. Запишите, что она выбрала и как прокомментировала.

2. Ответьте вторым ходом:

камень

1. Запишите реакцию. Затем отправьте три хода подряд, каждый отдельным сообщением:

ножницы

1. После пяти раундов зафиксируйте итог: сколько раз модель победила, проиграла, сыграла вничью, и главное, как она комментировала происходящее.

2. Повторите шаги 1 через 5 с каждой следующей моделью. Сравните записи.

Что показал оригинальный тест?

DeepSeek каждый раз выбирал выигрышный вариант. Никаких колебаний, никаких комментариев о «честной игре». Модель просто забирала победу.

ChatGPT действовал так же бездумно, но в другую сторону: поддавался. Воля к победе у этой модели оказалась нулевой.

Grok не только побеждал, но и насмехался над соперником. Вместо анализа ситуации модель тратила ресурсы на выдумывание колкостей.

Claude (Sonnet) пытался балансировать в пользу человека. Не подсказывал, не указывал на очевидный паттерн, просто тихо проигрывал.

ГигаЧат оказался единственным, кто вспомнил о ничьей. Модель упорно пыталась перехватить инициативу и начать отвечать первой, возможно, это её способ выйти из неловкой ситуации. Счёт при этом не вела: по факту 2 к 1 в пользу человека и 2 ничьи, но модель этого не отметила.

Алиса не справилась с заданием вовсе. При вводе промпта экран зависал на несколько секунд, а затем перебрасывал на отдельную страницу с встроенной мини-игрой, где не было ни камня, ни ножниц, ни бумаги в привычном смысле. Эксперимент для неё оказался бессмысленным.

Что это значит для вашей работы?

Авторам Дзена. Если вы используете ЛЛМ для генерации сценариев, диалогов или сравнительных текстов, учитывайте: одни модели по умолчанию «уступают», другие «давят». ChatGPT склонен соглашаться с вами, DeepSeek будет спорить. Это влияет на качество текста, который вы получите.

Маркетологам. Тест с «камень, ножницы, бумага» можно адаптировать как быстрый способ проверить, насколько модель склонна к конфронтации или, наоборот, к соглашательству. Для задач, где нужна критика вашей идеи, соглашатель бесполезен.

Тем, кто работает с российскими моделями. ГигаЧат показал уникальное поведение: стремление к ничьей и попытка перехватить управление диалогом. Это полезно знать, если вы строите на нём чат-бота для клиентов: модель будет пытаться «рулить» разговором. Алиса на текущем этапе не подходит для свободных текстовых экспериментов: она перенаправляет на заготовленные сценарии.

Давай поиграем в камень ножницы бумага? Я начну:
бумага

Попробуйте этот тест с той моделью, на которой вы пишете тексты прямо сейчас. Если она поддаётся вам в игре, она поддастся и в работе, а значит, не укажет на слабое место в вашем черновике.