
AIポーカー最強決定戦 - 最強AI軍団 vs EDGE AI
AIエンジニアのとむです。
今回の記事では、先週のプロデューサー「こひ」の告知通り、生成AIを使った実験についてご紹介いたします。
ポーカーAIの歴史を振り返るところから始まる、長大な記事となっていますが、最後まで読んでいただけますと嬉しいです。
本記事の後半には、我々の「EDGE AI」と*LLMたちの直接対決の結果を報告します。
しかし、その結果だけをいきなり見ても、その本当の面白さは伝わりにくいはずです。なぜLLMと戦わせることに意味があるのか、それを理解するため、まずはポーカーAIがどのように発展してきたかを振り返ります。
結果だけを見たい方は「対決!最強AI軍団 vs EDGE AI」からご覧ください。
*LLM, Large Language Model: 大規模言語モデル
・ChatGPTやGeminiのようなテキストを扱うAIモデル
ポーカーAIの歴史
ポーカーAIは、長いあいだ「直感ではなく、ゲーム理論で攻略するもの」として発展をしてきました。不完全情報ゲームであるテキサスホールデムでは、相手の手札が見えないだけでも探索空間が大きく広がり、チェスや囲碁とは異なる難しさがあります。
*CFRを中心とした*GTOベースの手法が主流を占め、「うまく考えるAI」よりも先に、「理論的に崩れにくい AI」を実現する方向で進歩してきたといえます。
*CFR, Counterfactual Regret Minimization
・不完全情報ゲームにおいて、ナッシュ均衡に到達するためのアルゴリズム
*GTO, Game Theory Optimal: ゲーム理論
この流れの中、長年にわたって「探索と理論」を軸に発展してきました。大規模なゲームをそのまま扱うのは難しいため、アクションやベットサイズを抽象化し、局所的にサブゲームを解き直しながら、理論的に強い戦略を組み上げていきます。
歴史を振り返ると、注目を集めた研究の多くはこの延長線上にあります。人間のトッププレイヤーを相手に成果を上げたポーカーAIも、その中核には CFR、サブゲームソルビング、戦略抽象化といった技術があります。
しかし、ポーカーAIの歴史はそこに留まらず、GTOベースの土台が強固になったのち、研究の関心は徐々に「理論だけでは表現しきれない部分をどう補うか」へ移っていきます。そこで登場したのが、GTOと機械学習を組み合わせるアプローチです。ソルバー由来の戦略や価値を教師信号としてニューラルネットに学習させる方法、探索時の価値推定をニューラルネットで近似する方法などがあげられます。
EDGE AIもまさに、これらの応用によって学習されています。
これによって、従来は重かった計算を一部近似できるようになり、より大きな局面や複雑な状況にも対応しやすくなりました。
さらに時代が進むと、「そもそもGTOソルバーを経由せず、強化学習だけで強いポーカーAIを作れないか」という方向性も目立つようになりました。自己対戦を通じて戦略を磨くという発想は、囲碁や他のゲームAIではすでに広く知られていますが、不完全情報ゲームでは学習の不安定さや評価の難しさがより大きくなります。それでも、計算資源の増大と学習アルゴリズムの改善によって、改善がなされてきました。理論中心だったポーカーAI研究が、近年では「GTOを核にしつつ、学習で拡張する」方向へ広がっていったのは自然な流れです。
そして現在、そこにもうひとつの潮流が加わっています。生成AI、特にLLMです。
近年のLLM は、少なくとも言語ベースの論理的思考や推論の一部において、すでに人間の平均的な水準を大きく超える場面を見せています。状況を文章で記述でき、ハンドレビューのような説明タスクを上手くこなします。表面的には LLM とポーカーの相性は良さそうに見え、LLM をポーカーに応用しようという流れ自体は、かなり妥当なものに見えます。
一方で、ポーカーAIを研究している立場から見ると、そこにはなお強い懐疑があります。
「それらしく説明できる」ことと「実際に強い」ことの距離がポーカーは非常に遠いと考えるからです。
LLMを使ったポーカーへの挑戦:PokerBench
そんな中、LLMのポーカーにおける能力評価のベンチマークデータセットと、その可能性についての研究「PokerBench: Training Large Language Models to become Proffesional Poker Players」がAI分野の最先端研究が集まるトップレベルの国際会議「AAAI 2025」に採択されました。
LLMは本当にポーカーを打てるのか。この問いに対して、かなり真正面から答えようとしたのがこの研究です。
PokerBenchは6-max No Limit Texas Hold'em を対象とし、GTO に基づく正解アクションに対して、モデルがどこまで適切な意思決定を返せるかを評価するベンチマークです。
この研究の興味深い点は、LLM に対する期待と限界の両方を明確に示したことにあります。用途を限定せず幅広いタスクに適応可能な汎用モデル(GPT-4)では、アクション一致率65.54%という結果でしたが、ポーカー向けに追加で学習された個別モデルの一致率は80.64%に達しています。ここから読み取れるのは、汎用モデルはポーカーをある程度理解できる一方で、ポーカーを高精度に解くには専用の学習が依然として有効だということです。
この結果は非常に重要である一方で、LLM の進化速度を考えると、すでに少し前の基準になりつつあります。
そこで、まずは手始めにオープンウェイトのLLMを用いて実験・比較してみましょう。

2026年2月末〜3月の上旬にリリースされた「Qwen3.5」は、オープンウェイトのLLMとして話題となりました。その実力は結果の通り、9Bというサイズで、当時のオープンウェイトモデルのLLAMA-3(70B)を超える精度を達成しました。
LLMは今現在も急速な発展を遂げています。
オープンウェイトの時点でここまでの進化が見て取れるのであれば、それをさらに大きく上回る性能をうたう各社の最先端モデルは、いったいどこまでポーカーを解くことができるのでしょうか。この疑問は、今回の検証をより面白くする大きな動機のひとつです。
対決!最強AI軍団 vs EDGE AI
ここからが本稿の本題です。
実験では、ベンチマーク上の静的な設問を解くのではなく、各モデルを実際にシミュレーション環境へ投入し、直接対戦させます。採用するのは『EDGE POKER』内で行われるランクマッチのトーナメント形式であり、同一ルール・同一進行のもとで 「EDGE AI」 と各社のLLM が競い合います。
使用するモデルは以下です
Claude 4.6 Opus(Anthropic)
Claude 4.6 Sonnet(Anthropic)
Gemini 2.5 Pro(Google)
GPT 5.4(OpenAI)
GPT 5.2(OpenAI)
実験条件は、モデルごとの個別最適化よりも、公平な比較を優先して設計しました。各モデルには可能な限り同一の前提条件を与え、実力差が入力情報や推論設定の違いではなく、純粋な意思決定能力の差として現れるようにしています。
プロンプトは全モデルで共通とし、入力される情報量は「EDGE AI」と同等に統一
相手プレイヤーのスタッツや過去のプレイ履歴など、追加的な外部情報の参照は禁止
思考の深さに不平等が生じないよう、Reasoning 系の設定は最小限となるよう制限
もちろん、この条件設定によって、各 LLM の能力を最大限引き出せていない可能性はあります。しかし本稿では、モデルごとに有利な設定を積み上げることよりも、できる限り同じ土俵で比較することを優先しました。そのうえで、各モデルがどのようにポイントを積み上げ、あるいは崩れていくのかを観察します。
それでは、早速結果を見ていきましょう!

EDGE AIが大きく差をつけ勝ち越しました。順位ごとの割合をみても1位率21%とトップ、かつTOP3率62.5%と最高値です。5-6率も20%と低く大崩れしにくいことがわかります。
スタッツも見てみましょう。

EDGE AIはVPIP 31.1%とテーブル最低で、ハンドセレクションが厳しく参加するときはしっかりしたハンドを持っていることが伺えます。AF 2.79、CBet 48.0%・Check-Raise 13.2%はいずれも全体最高水準。このタイトアグレッシブなスタイルがトーナメントやペイアウトストラクチャーの環境で理にかなっていると考えられます。
各モデルの考察
以下では、結果とスタッツから各モデルに見て取れる傾向や特徴について考察を行います。
Claude 4.6 Opus
1位率16.7%で勝ちきる力を持ちつつ、3位率23.6%がボリュームゾーン。TOP3率55.2%で安定して入賞圏に残れている。
VPIP 38.9%・3Bet 12.5%で、やや広めのレンジから積極的にポットを膨らませにいく傾向がある。
AF 1.56と中程度のアグレッション。コールの割合がやや多く、ベット/レイズの判断力にばらつきがあり、中位(3-4位)でのフィニッシュが膨らんでいると考えられる。
Fold to CBet 60.3%と高めで、CBetへの抵抗力が弱い。相手の攻撃に対してハンドを放棄しやすく、チップを守りきれない局面がある。
Claude 4.6 Sonnet
2位率30.2%が突出して高く、TOP3率57.4%。ファイナルテーブルに頻繁に残るが、1位率7.6%と全体最低で最後に勝ちきれない。
AF 2.72と高いアグレッションを持つが、CBet 22.5%・Donk 7.8%といずれも低水準。攻撃力はあるのに自ら打ちに行く頻度が極端に少ない。
Fold to CBet 62.8%で全体最高。相手のCBetに対して降りすぎており、ポストフロップで受動的にチップを失い続けるパターンが1位率の低さに直結している。
GPT 5.4
5-6位率46.0%と半数近くが下位フィニッシュ。6位率26.7%が特に目立つ。一方で1位率14.9%あり、常に負け越しているわけではない。
VPIP 58.3%の超ルースレンジにAF 0.75(全体最低)の組み合わせ。広く参加してコールで受ける「ルースパッシブ」の典型例。
Fold to CBet 33.4%と低く、CBetに対して降りないが、Check-Raise 4.7%(全体最低)で反撃もしない。コールで引きずり込まれてチップを消耗する展開が伺える。
Donk 43.0%とリードベット自体は打つが、AFの低さが示す通り単発ベットで終わっている。
GPT 5.2
1位率19.9%と高い爆発力を持つ一方、5-6位率36.2%と下位も多い。分布がフラットで分散が大きいハイリスク型。
VPIP 51.5%とルースなレンジで幅広く参加。弱いハンドでのエントリーが多く、これが下位フィニッシュの主因と考えられる。
Donk 51.7%・CBet 66.9%といずれも全体最高。ポストフロップでとにかくベットを打つ傾向が顕著だが、AF 1.38とレイズ頻度が低く、ベットの傾向にムラがある。
Gemini 2.5 Pro
6位率44.1%(全体最高)と1位率19.5%が共存する極端な二極分布。
VPIP 65.6%(全体最高)・3Bet 15.8%(全体最高)でプリフロップでは最もアグレッシブ。ほぼ全ハンドに参加し、リレイズも頻繁に打つ
プリフロップの過剰な攻撃でチップが大きく動き、序盤で全飛びするか全員を倒すかの展開になっている
※ Gemini 3系を今回は諸事情により使用することが難しかったため、2.5 Proを利用しています
最後に
いかがだったでしょうか。
ポーカーAIの流れを振り返ったうえで今回の実験を見ると、LLM がこの領域でも着実に力をつけ、今後の可能性に期待ができることがわかると同時に、まだ 「EDGE AI」のようなポーカーに特化したAIモデルには大きく及ばないことがわかります。
しかし、今回の設定が各 LLM の力を最大限に引き出せているとはまだ言えません。各モデルに最適化した使い方やハンドレビューなどの説明タスクなどへの活用も期待できます。
EDGE AIを用いた実験は今後もnoteにて発信していくので、引き続きのチェックをよろしくお願いいたします。