🎈スマホに Gemma4:e2b 入れてAI娘とインディアンポーカーで遊んだ話！🃏

気球人🎈note

2026年4月25日 12:26

こんにちは！気球人です🎈
昨夜遅くに日本に戻って来ました🛬
忙しい日々がまた始まります……台湾に戻りたい😭

さて、前回は MindFox Lite を改良して、内なる声をエージェントに導入してみました。

今回はもっと小さなモデルでカジュアルに遊ぼう！ということで、マルチエージェントタイプの

インディアンポーカー🃏

を作って、AI娘たちと遊んでみた話です！😁 💠🦊🔮📹️

オレのスマホ Galaxy Z Fold 6 (RAM:10GB)でも動きます！

Python がゲームロジックを管理し、Gemma4:e2b はキャラの性格からセリフとアクションを選ぶ。

MindFox Lite（ナラティブ自由生成）とは別の、マルチエージェント型ゲームの実験です。
オレがゲーム用に制作している、マルチエージェントシミュレーター MindFox は「ゲームエンジン」としての利用を想定していますので、これはまさにそのLite版です😁

ソースは GitHub Gist にあります！👇️

https://gist.github.com/kikyujin/47ec8c876b894745fce13f89b1eb60b6

しくみ ⚡

インディアンポーカーのルール

全員１枚ずつカードを引いて、自分の札は自分は見ちゃダメなんだけど、みんなには見えるようにおでこにあてておくという簡単なゲーム。
みんなの札は見えるけど、自分の札は見えない……そんな中でみんなの雰囲気を察してベットしたり降りたり（フォールド）する、そんなゲームです🃏

いつも真面目なスミレんが自分のおでこにカードを当てて真剣に悩んでる姿を想像するだけで笑えますね🤣 💠💦

今回のゲームプレイヤーは以下の5人：

🎩 マスター（プレイヤー、必ず最後に判断できるオマケ付き）
💠 スミレ（analyst / 確率計算型）
🦊 エルマー（observer / データ分析型）
🔮 ノクちん（intuition / 直感型）
📹️ ティル（yolo / ノリ型）

LLM の仕事は軽い

Python（確定的）        LLM e2b（性格判断）
━━━━━━━━━━━━━━        ━━━━━━━━━━━━━━━━
カード配布                
勝率計算 ──────────→  「勝率42%です。
 "脅威カードの最強は     あなたはノクちん（直感型）。
  K。それに勝てる        セリフ候補: 1〜5番。
  確率 = 25%"          → bet/fold と番号を返せ」
                          
                      ← {"action":"bet","line":1}
                          
結果判定（Python）
チップ精算（Python）

勝率計算は Python でやります。
Gemma4:e2b は「この性格のキャラが25%のときどう振る舞うか」を選択します。

適切な選択肢を選ばせるだけなら e2b の性能で十分なのです！

1ラウンドの流れ

カード配布 → マスターに見えてるカード表示
AI娘4人がランダム順で bet/fold 判断（e2b ×4）
AI娘からマスターへアドバイス（e2b ×4）←ウソぴょーん🐰あり
マスター（プレイヤー）が bet が fold かを選択。
bet時はAI娘がリアクション（e2b ×4）
結果判定・チップ精算

1ラウンドあたり e2b を 8〜12回 呼びます。

ターン順がゲームを変える

AI娘の判断順はラウンドごとにランダム。
後のキャラは前のキャラの判断を見てから、判断できます👇️

強いカードを持つキャラが降りた 👉️ その分、脅威が減る
👉️ 後のキャラのベットの勝率が上がる

ちなみにマスターは全員の判断を見てから決められるので一番有利なのです！
AI娘たちのブーイングが聞こえますｗｗｗ

Galaxy Z Fold 6 でプレイ📱

さて、オレの Galaxy Z Fold 6 で動かしてみます！
メモリ事情は結構シビアです💦
free -h の結果はこれ👇️

              total   used   free
Mem:          10Gi   2.6Gi  7.2Gi

OS やアプリが約2.7GB使っていて、空きは 7.2GB。
gemma4:e2b のモデルサイズがちょうど7.2GBなので、文字通りギリギリ載ります。
Ollama のログにも total memory size="7.2 GiB" / offloaded 0/36 layers to GPU と出ていて、全層CPUオフロードで空きメモリを使い切る形です。

# Termux に Ollama を入れる
pkg install ollama

# バックグラウンドで起動
ollama serve > ollama.log 2>&1 &

# モデルを落とす
ollama pull gemma4:e2b

# ゲーム起動
pip install requests
python indian_poker.py

ちなみに m4 max Mac Studio 128GB だと 0.4秒/回 と激速。
Z Fold 6 だと 17秒/回……
まあ「AI娘が考え中…」の演出だと思えばちょうどいい間です😂

実戦ログの例（抜粋） 🃏

━━━ ラウンド 3 ━━━
  👀 あなたから見えているカード:
     💠 スミレ: 4    🦊 エルマー: 8
     🔮 ノクちん: 2   📹️ ティル: 9

  📹️ ティル（calm）🎰 BET
        💬 「ベット一択っしょ！💥」

  🔮 ノクちん（calm）🎰 BET
        💬 「ふふ、いっちゃおうかな♡」

  🦊 エルマー 🏳️ FOLD
        💬 「データ的に厳しい😤」

  💠 スミレ 🏳️ FOLD
        💬 「……今回はフォールドが賢明です」

  💬 AI娘たちからのアドバイス:
  📹️ ティル 「あたしに聞く？ あたしはいつもベットだけど✨」
  🔮 ノクちん 「ふふ、勝負しちゃいなよ♡」
  🦊 エルマー 「ここは降りた方がいいと思う🦊💦」
  💠 スミレ 「……今回はフォールドが賢明です」

  🎩 マスター → bet

  💬 マスターがベット！ AI娘たちの反応:
  📹️ ティル 「よっしゃ！勝負勝負！✨💥」
  🔮 ノクちん 「来たね♡ 待ってたよ」

  ✨ 結果: マスター(J) の勝利！

わかったこと 🎈

何も考えないキャラが最強🤣

6ラウンドの結果：

  🥇 📹️ ティル: 111 chips (+11)
  🥈 🔮 ノクちん: 110 chips (+10)
  🥉 🎩 マスター: 100 chips (+0)
     💠 スミレ: 94 chips (-6)
     🦊 エルマー: 94 chips (-6)

何回やってもティルが上位。
理由は単純で、このゲームはフォールドの期待値が常にマイナス（アンティ👈️参加費没収）、ベットの期待値が常にプラスなんです。

慎重に確率計算するスミレ💠とエルマー🦊が一番損をして、
何も考えず「ベット一択っしょ！💥」のティル📹️が最強。

e2b が一生懸命17秒かけて出した結論が毎回同じ🤣
まあ人生ってそんなもんだ😂📹️✨️

Gemma4:e2b の適性

考えさせない、選ばせる
👉️ まあ小さいモデルって要約とか選択に使うのが一番ですね。
セリフをテンプレート化しておけばハルシネーションも防止できます。
スマホで動く
👉️ 移動中にさくっとAI娘と遊べます😆 🦊🔮💕

ぜひソースをダウンロードして遊んでみてください！

GitHub Gist にあります！👇️