周二下午，Anthropic 在 Twitch 上直播了 Claude 3.7 Sonnet 游玩《宝可梦 红》的过程。这场实验不仅展示了当前 AI 技术的实际能力，也引发了观众的广泛讨论。
尽管 AI 研究人员常利用电子游戏测试新模型，但 Anthropic 指出，《宝可梦》是验证 Claude 3.7 Sonnet 推理能力的有效基准。与 OpenAI o3-mini 及 DeepSeek R1 类似，该模型具备“思考”并解决复杂谜题的能力。相比之下，不具备推理能力的 Claude 3.5 Sonnet 在游戏初期便因无法走出真新镇的家而失败，而 Claude 3.7 Sonnet 已成功赢得三枚道馆徽章。
不过，Claude 3.7 Sonnet 仍面临挑战。直播数小时后，模型曾被一堵石墙阻挡许久，最终才意识到可以绕行。正如一位 Twitch 用户所言：“究竟谁会赢？是投入数千小时编程的 AI，还是一堵石墙？”
观看体验可谓喜忧参半。Claude 以“呆呆兽”般的速度推进，对每一步都进行深思熟虑，虽令人煎熬却也引人入胜。直播画面左侧展示模型的“思考过程”，右侧则为实时游戏画面。例如在寻找大木博士时，Claude 曾因场景中的其他 NPC 产生困惑，错误地与一名非教授角色对话，导致部分观众感到不安，但老玩家则对此表示理解。
对于资深 Twitch 用户而言，这种形式或许令人怀念。十多年前，“Twitch Plays Pokémon”曾让数百万人通过聊天室共同控制角色，虽然过程混乱，却意外地将人们凝聚在一起。这一经典案例甚至启发了后续研究，如工程师 Peter Whidden 曾训练强化学习算法通关，耗时超 5 万小时。
然而，AI 驱动的“重演”带有一丝苦涩。2025 年的我们不再是并肩作战的队友，而是旁观者，看着 AI 尝试一款我们童年就已掌握的游戏。这折射出更大的趋势：我们的在线体验正从共享的社区活动，逐渐转向更加孤独的个体行为。