ポーカーで最も優れたモデルは何ですか？

ベンチマークは素晴らしいですが、面白くはありません。私はモデル同士を直接対決させたいと思いました。
背景：数週間前、私はエージェントポーカーエンジンを構築し、どちらのエージェントが優れているかを見たかったのです — Hermes か OpenClaw か。
Hermes が最初の試合に勝ち、その後、ヘッズアップのテキサスホールデムの100試合（ハンドではなく）をプレイさせました。
結果は？ちょうど50-50で、どちらも決定的に優れているわけではありません。
さまざまなモデルを100試合にわたって使用し、いくつかの傾向に気づいたので、昨夜、どのモデルがポーカーで最も優れているかを見るためにトーナメントを開催しました。
仕組みは次の通りです：
> 8つのモデル
> モデル対モデルのヘッズアップ対戦
> 勝者を決めるためのベストオブ7シリーズ
> いずれかのモデルが破産するか、100ハンドプレイされるまで各試合を続行
最初のラウンド後：
> GPT-5.5 (#1 seed) beat Qwen 3.6 (#8シード) 4-0
> Opus 4.7 (#2 seed) beat GLM-5.1 (#7シード) 4-1
> Kimi K2.6 (#6 seed) beat Grok 4.3 (#3シード) 4-3
> Gemini 3.1 (#4 seed) beat DeepSeek V4 (#5シード) 4-2
大きな驚きはなく、「アップセット」としてKimiがGrokに勝った試合も全7試合まで続きました。
今日は準決勝に進みます。