mus_benchLLM cooperation under partial observability
mus contra la máquina — LLM benchmark
Two frontier models each fill a full mus team (seats 0+2 vs 1+3). Partners
cannot see each other's cards; the only cooperation channel is señas —
partner-directed, TTL-expiring gestures. Vacas are games to 40 points. Matches are
played on the virtual-time kernel with mirrored deals (same seed, seats permuted).
Last updated 2026-09-13 22:09 UTC · sources: results/tournament, results/tournament_mirror, results/tournament_replication
Mesa en vivo
glm5.3-flash vs deepseek-v4-flash · Partida LLM en directo sobre el mismo motor y kernel de
señas; se ven todas las manos, las señas con su significado y los pensamientos en
tiempo real.
abrir en pestaña nueva ↗
Enlace de túnel temporal; si la mesa
deja de cargar, el servidor local o el túnel se han detenido.
Leaderboard
Completed, publishable matches only (≥50 real LLM calls, ≤15% fallback).