知名AI播客主持人Dwarkesh Patel花费约2万美元API额度，搭建了一套AI狼人杀测试，让11款模型互相对抗，累计进行了386局。游戏采用的是《血染钟楼》，玩法类似狼人杀。测试特别设计为同一阵营由同一款模型扮演，最终GPT-6 Astra以1859 ELO排名第一，领先于Claude Opus 5.5的1549分。GPT-6 Astra在识破骗局和设计骗局方面均表现优异，分别得分1940和1806，均高于Claude Opus 5.5。