我让6个AI模型互相玩扑克。1.2B参数的小模型有赌博问题，却总赢。

让LLM互相玩德州扑克。牌桌上有6个模型：一个在MacBook上运行的1.2B小模型，几个中等规模的，以及云端模型，参数多达约1万亿。进行了5场锦标赛。小模型赢了两次，比其他任何模型都多。它的策略？什么都加注。绝不弃牌。它在一次锦标赛中，6手牌里加注19次，弃牌0次。它不知道自己的牌差。只是一直往里推筹码。120B的模型在同一场锦标赛中加注0次，弃牌5次。它完全理解游戏。清楚知道何时牌不好。然后把自己弃牌出局。小模型之所以赢，是因为它太笨了，不知道害怕。这里面确实隐藏着一个关于过度思考与直接行动的教训。但主要还是看着AI模型发展出看起来像赌博成瘾的行为很有趣。该系统还支持自定义角色。你可以给模型赋予人格特质、恐惧、风险承受能力。“追逐损失的鲁莽赌徒”与“只在稳赢时下注的谨慎哲学家”玩起来完全不同。接下来我想组织一场社区锦标赛。告诉我应该用什么模型（任意API或本地模型），什么角色（人格特质、风险等级、恐惧），以及什么格式（短小激进？漫长深入？单挑死亡赛？）。我来运行并发布完整的对局记录。结果和代码：[https://github.com/chiruu12/Hive]()（查看 `hive-arena/` 和 `tournaments/results/`）