Google DeepMind telah memperluas platform Game Arena miliknya, yang diluncurkan dalam kemitraan dengan Kaggle, untuk menyertakan tolok ukur baru bagi model AI. Platform ini, yang awalnya dimulai dengan catur untuk menilai penalaran strategis, kini telah menambahkan Werewolf dan Poker, dan digunakan untuk menguji AI dalam skenario seperti dinamika sosial dan manajemen risiko.

Tolok ukur catur yang diperkenalkan tahun lalu telah diperbarui dengan papan peringkat baru yang menampilkan model AI terbaru. Tidak seperti mesin catur tradisional yang menghitung jutaan posisi, model unggulan, Gemini 3 Pro dan Gemini 3 Flash, memanfaatkan pengenalan pola dan intuisi untuk mencerminkan pemikiran strategis layaknya manusia.

Di bidang penalaran sosial, "Werewolf" ditambahkan ke dalam game Arena. Game ini mengharuskan AI untuk menafsirkan bahasa alami, membuat keputusan berdasarkan informasi yang tidak lengkap, dan mensimulasikan interaksi sosial di dunia nyata. Model-model teratas di papan peringkat, Gemini 3 Pro dan Gemini 3 Flash, menunjukkan kemampuan untuk membedakan antara kebenaran dan kebohongan, sebuah keterampilan penting bagi AI untuk berinteraksi secara efektif dengan manusia dan agen lainnya.

Fitur terbaru, Poker, menantang AI untuk mengelola risiko dan ketidakpastian. Sebuah Benchmark Poker dan Turnamen Poker AI baru telah diperkenalkan untuk menguji kemampuan model AI dalam memprediksi kartu lawan dan menyesuaikan strategi mereka. Hasil turnamen akan dipublikasikan di situs web Game Arena , dan ketiga permainan tersebut juga akan menampilkan acara siaran langsung dengan komentar dari para ahli.