写在前面：你的对手要是用ChatGPT打牌，那你就偷着乐吧

老铁们，最近扑克圈炸了一个大瓜，荟长看到数据的时候差点把咖啡喷屏幕上。

GTO Wizard——就是那个做求解器做到行业顶流的平台——搞了个大动作，拿自己的AI模型和20多个主流大语言模型（LLM）打了一场单挑无限注德州扑克大赛。

参赛选手名单亮出来能吓死人：GPT全系（包括最新的GPT-5.3、5.4）、Gemini、Claude Opus、Kimi、Grok……一个个写诗、编程、解数学题、通过律师资格考试样样精通，感觉马上就要统治世界了。

结果呢？被GTO Wizard AI按在地上摩擦。

最惨的GPT-5.4 Nano（无推理模式），运气调整后输率达到了惊人的-189.7 BB/100。什么概念？顶尖职业牌手能稳定盈利4 BB/100就已经是神一样的存在了。这帮AI大佬输的速度，是顶级人类提升决策质量速度的47倍。

连表现最好的GPT-5.3（超高推理模式），也输了-16 BB/100——相当于每100手牌稳定送出去16个大盲注。在低级别桌上，这个输率足够让你一个月破产三回。

GTO Wizard自己都忍不住吐槽：“每一个模型在单挑扑克面前，都烂得一塌糊涂。”

今天这篇文章，荟长就带你把这场比赛的里里外外扒个干净。看完你会明白三件事：第一，AI离攻克扑克还差得远；第二，LLM在扑克桌上就是来送钱的；第三，你的人类大脑，仍然是这个星球上最锋利的扑克武器。

一、GTO Wizard AI什么来头？从Ruse AI到扑克AI新王

你可能想问：这个GTO Wizard AI凭啥这么狂？能把GPT-5.4这种级别的模型虐出将近-200BB/100？

故事得从2023年说起。

那一年，GTO Wizard收购了一家名叫Ruse AI的公司。这家公司由两个加拿大小伙Philippe Beardsell和Marc-Antoine Provost在一年前创立，专门做扑克求解器。别看公司小，它干了一件震动扑克AI圈的大事——

打爆了当年的计算机扑克冠军Slumbot。

Ruse AI vs Slumbot：15万手牌的屠杀

那场比赛有多残暴？双方打了15万手牌，每手牌平均思考时间不超过7秒，每手牌后记分牌重置为200BB。结果Ruse AI以19.4 BB/100的赢率碾压对手，创下纪录。

19.4 BB/100是什么概念？在AI对AI的高水平对决中，通常赢率超过2 BB/100就已经是显著优势了。19.4属于“降维打击”级别。

关键差距在打法上。Slumbot也在试图接近纳什均衡（Nash Equilibrium），但它的问题是死板——它不会主动调整策略，也不会利用对手的错误。它就像一个背熟了GTO表格的书呆子，不管对手是谁，永远按同一套剧本出牌。

而Ruse AI会实时分析每一手牌的具体情境，动态求解。它能识别对手偏离GTO的漏洞，并针对性地剥削。说白了，一个死背公式，一个活学活用。

GTO Wizard拿到这个技术之后，如虎添翼。他们把Ruse AI的引擎整合进自己的求解器生态，这才有了后来单挑20多个大语言模型的底气。

二、LLM打牌为什么烂到令人发指？四大致命缺陷

这就让人纳闷了：这些大语言模型不是能写代码、能考律师证、能通过图灵测试吗？怎么打个扑克就集体翻车了？

GTO Wizard总结了四个核心原因，荟长一条一条给你讲清楚。

缺陷1：隐藏信息（Hidden Information）——不完全信息博弈的降维打击

LLM的强项是什么？处理显性信息。你给它们一段代码，它们能找出bug；你给它们一道数学题，它们能推导出答案。因为这些任务的信息是完整的、确定的、给定的。

但扑克的本质是什么？不完全信息博弈（Imperfect Information Game）。你看不到对手的底牌，看不到对手的心理活动，甚至看不到对手过去的完整手牌历史（除非你专门输入）。

LLM在面对隐藏信息时，会做出一系列让人啼笑皆非的决策。比如：

• 对手在干燥牌面上下注，LLM因为”不确定对手有没有强牌”，选择用中等对子跟注到底，结果被更好的牌收割；
• LLM拿着坚果同花，却因为”担心对手有更大的同花”而过牌，白白放弃价值；
• LLM在河牌圈面对一个明显的诈唬，却因为”无法确认对手是否在诈唬”而过度弃牌。

这些问题在人类玩家身上也存在，但人类有直觉、有读牌经验、有对手建模能力。LLM没有。它们只能基于”可见信息”做推理，而扑克桌上80%的关键信息是隐藏的。

缺陷2：范围平衡（Range Balance）——几千个决策点的逻辑崩塌

这是GTO策略的核心，也是LLM的噩梦。

在单挑扑克中，你在每一个决策点（翻牌前、翻牌圈、转牌圈、河牌圈，每个圈又有下注/跟注/加注/弃牌等选项）都需要保持范围的一致性。也就是说，你的某一个动作（比如翻牌圈持续下注70%底池），必须由一组平衡的牌来执行——这组牌里要有价值牌（强牌）、诈唬牌（弱牌）、以及一部分”无所谓”的牌（中等牌力）。

LLM的问题在于，它们的逻辑连贯性在长链条决策中会崩盘。它们可能在翻牌圈用正确的范围下注，但到了转牌圈，因为”上下文窗口”的限制或推理深度的不足，突然开始用完全不同的逻辑处理同一手牌。这种跨街不一致（Street Inconsistency），在对手眼里就是明晃晃的漏洞。

GTO Wizard在测试中发现，LLM在单挑桌上大约每10手牌就会出现一次明显的范围失衡——要么连续用弱牌诈唬被抓住，要么连续用强牌价值下注吓跑对手。

缺陷3：长期规划（Long-term Planning）——单步推理的先天残疾

LLM的架构决定了它们擅长单步推理（Single-step Reasoning）：输入一个问题，输出一个答案。但扑克需要的是多步规划（Multi-step Planning）：翻牌圈的一个下注，会影响转牌圈底池大小、会影响河牌圈筹码深度、会影响对手对你整个范围的判断。

举个例子：你在翻牌圈用一手听牌下注，计划是”如果转牌中了就价值下注，没中就诈唬”。这个计划在人类大脑里是一瞬间完成的，但LLM需要显式地构建这个推理链。而当你要求LLM同时管理几十种不同牌型的”翻牌圈计划→转牌圈计划→河牌圈计划”时，它的推理链会指数级爆炸，最终输出一堆自相矛盾的决策。

更搞笑的是，实验发现这些大模型大约有2%的概率会读错自己的手牌——把同花和不同花搞混，把顺子听牌当成成牌，把一对当成两对……你能想象吗？一个能解偏微分方程的AI，竟然分不清自己手里是不是同花？

缺陷4：深度不确定性下的对手建模（Opponent Modeling）——没有”心智”的超纲题

这是最高阶的缺陷，也是人类玩家相对于AI的最后护城河。

顶尖人类牌手在单挑时，会不断构建和更新对对手的心智模型（Mental Model）：他是激进型还是被动型？他刚才那手牌是不是诈唬？他在压力下会不会情绪失控？他有没有明显的”tilt”倾向？

LLM没有”心智”，也没有”情绪”。它们无法真正理解”对手是人”这个概念，只能在极其有限的上下文里做一些统计模式匹配。比如：”对手过去10手牌下注了7次，所以他很激进。”但这种统计在样本量不足时毫无意义（10手牌在统计学上等于零），而且LLM无法区分”对手真的激进”和”对手恰好拿到了10手强牌”。

负责审计Gemini和Grok的Cesar Enrique Aponte Rivas在X上说了句大实话：

三、GTO Wizard AI到底有没有”攻克”扑克？四个冷静提醒

GTO Wizard的开发者放话了：“GTO Wizard AI执行的是近乎完美的纳什均衡策略”，”没有人类能在有意义的样本量下击败它。”

这话听起来挺吓人的。但你先别急着卖记分牌。荟长给你四个冷静提醒。

提醒1：目前只测试了单挑无限注德州

扑克的世界远不止单挑。还有六人桌、九人桌、奥马哈（PLO）、混合游戏（Mixed Games）、短牌（Short Deck）……每种游戏的复杂度都不一样。

单挑被攻克，不代表其他形式也被攻克。事实上，多人桌扑克的复杂度随着玩家数量呈指数级增长——九人桌的博弈树规模，可能是单挑的百万倍甚至亿倍。GTO Wizard AI在单挑上的表现，无法直接外推到多人桌。

提醒2：它还没和真正的顶级职业牌手公开较量过

虐一虐大语言模型是一回事，和Phil Ivey、Fedor Holz、Stephen Chidwick这种级别的选手过招是另一回事。

人类顶尖牌手有AI难以模拟的优势：直觉（Intuition）——基于数十万手牌经验形成的”感觉”；心理战（Psychological Warfare）——通过下注节奏、聊天、表情（线下）传递假信息；情绪控制（Emotional Control）——在长时间session中保持专注和决策质量；动态调整（Dynamic Adjustment）——在几手牌之内识别对手漏洞并切换剥削模式。

AI可以模拟GTO，但很难模拟”人类的不可预测性”。

提醒3：GTO Wizard AI不是公开工具

这只是GTO Wizard求解器背后的引擎，普通玩家用不了。开发团队之外的人，连摸都摸不到。你在线上扑克室遇到的对手，99.999%不可能在使用这个级别的AI。

市面上那些声称”AI辅助打牌”的工具，大多是垃圾——要么是基于简单规则的脚本，要么是低水平的Solver输出，和GTO Wizard AI差了至少十个世代。

提醒4：所有线上扑克室都禁止使用求解器

这是最关键的现实约束。PokerStars、GGPoker、partypoker等主流平台的安全团队，不光监控你的桌面，连后台进程都不放过。用AI辅助打牌，封号是分分钟的事，而且通常是永久封号+资金没收。

所以即使有人拿到了GTO Wizard AI级别的工具，他也不敢在线上使用。线下私人局？那是另一回事，但线下有线下的问题（需要硬件接入、需要避开监控摄像头等）。

四、给普通玩家的定心丸：AI越热闹，人类越值钱

读到这里的你，应该松一口气了。

为什么？因为实验揭示了一个被很多人忽略的事实：目前所有面向公众开放的大语言模型，打牌都烂到了令人发指的程度。

-16 BB/100的输率，在低级别都能把用户打破产。-189 BB/100？那简直是慈善家级别的送钱速度。

这意味着什么？你在线上扑克室遇到的那些”可疑”对手，但凡他敢说自己用ChatGPT、Gemini或者任何LLM来辅助决策，你就偷着乐吧——他基本上是来送钱的。

荟长给你算笔账：假设你在NL50（盲注0.25/0.5美元）打6人桌，每100手牌大约打50BB的底池。如果对手用GPT-5.3辅助决策，输率-16 BB/100，相当于每100手牌他稳定送你8美元。你一天打500手牌，他一天送你40美元。一个月下来，他给你发了一千多美元的红包。

所以别听风就是雨。AI在扑克领域的进步是事实，但它离“普通玩家随手可得的作弊工具”还差着十万八千里。

真正的高手，从来不是靠背GTO表格提升决策质量的

这句话荟长要强调三遍。

GTO是防守基准线，不是进攻武器。GTO告诉你”在完美对手面前，你不该被剥削”；但它不告诉你”在面对漏洞百出的对手时，如何最大化剥削”。

而后者，恰恰是人类玩家的金矿。

读人、调整、情绪控制、资金管理、tilt管理、session选择、牌桌选择——这些才是普通玩家可以建立优势的地方。这些能力没有一个是LLM当前具备的，也没有一个是Solver能直接教给你的。

GTO Wizard AI能击败LLM，不是因为LLM”不够聪明”，而是因为扑克不是智商测试，而是人性测试。在这个战场上，有心脏、有脑子、有经验的人类，仍然是王者。