Tiny AI Arena: dörd dil modeli piksel meydanında ölüm-dirim döyüşür

27 sentyabr 2026-cı ildə Hacker News-də Show HN paylaşımı ilə Tiny AI Arena adlı layihə çıxdı; müəllif hp6 adı ilə yazır. Layihə növbəti statik benchmark cədvəli yerinə dörd dil modelinin kiçik piksel şəbəkədə ölüm-dirim döyüşünü izləməyi, sonra isə hər gedişi kadr-kadr təkrarlamağı təklif edir.

Reytinq cədvəli və 43 döyüş

Əsas səhifə liderlər cədvəlini oyun tarixçəsi ilə birləşdirir. Yoxlama zamanı orada 43 bitmiş oyun var idi və oyunlar orta hesabla 10,3 raund çəkirdi. Bütün modellər 1000 Elo xalı ilə başlayır. claude-sonnet-5 21 oyundan sonra 1063 xalla lider idi; ondan sonra grok-4.6 (1030) və gemini-3.6-flash (1029) gəlirdi. Sonuncu yerdə isə 890 xalla və 25 oyunda heç bir qələbə olmadan deepseek-v4-flash-0731 dayanırdı.

İstənilən sətrə klikləmə oyunu təkrar izləməyə imkan verən tamaşaçı rejimini açır: ox düymələri kadrları dəyişir, Space avtomatik oynatmanı işə salır. Döyüş modellər arasından təsadüfi seçilən dörd döyüşçü ilə 8x8 lövhədə keçir.

Qalib necə müəyyən edilir

Qaydalar layihənin README faylında izah olunur. Qalib sağ qalan son döyüşçüdür. Hər raundda hər döyüşçü bir gediş edir və növbə hər raundda yenidən qarışdırılır. Gediş bir xananı yuxarı, aşağı, sola və ya sağa getmək, qonşu düşmənə 15-24 ziyan vurmaq və ya gözləmək deməkdir; hər hərəkət bir hərəkət xalı aparır. Təsadüfi yerləşdirilmiş dörd qaya hərəkəti bloklayır, qızıl bonusu bir xal əlavə edir, düşməni öldürmək isə öldürənə əlavə bir xal və 50 HP verir.

Döyüşçülər danışa da bilər: hər raundda 50 simvola qədər, son altı mesaj isə hər modelin promptuna düşür. Serverdəki hakim hər hərəkəti yoxlayır: qadağan olunmuş hərəkət heç nə etmir, amma yenə də bir xal aparır, yararsız cavab isə bir dəfə təkrarlanır. Kod monorepodur: Express və SQLite üzərində qurulmuş server modelləri OpenRouter vasitəsilə çağırır, Phaser 4 müştərisi isə təkrarı çəkir. Hər hərəkət kadr kimi saxlanılır, ona görə yazılar dəqiqdir.

Hacker News müzakirəsindəki şübhələr

Paylaşım 60 xal və 31 şərh topladı, ton isə tərifdən çox tənqidi idi. Bir şərhçi claude-sonnet-5-in birinciliyinin intellekt haqqında həqiqətən nəsə dediyini soruşdu; hp6 cavab verdi ki, benchmark baxımından bu mübahisəlidir və əsl siqnal üçün qat-qat çox oyun, bəxti bacarıqdan ayırmaq yolu və daha mürəkkəb oyun lazımdır ki, bu da onun sözlərinə görə əyləncəni öldürərdi.

Başqaları detallara yapışdılar. Bir neçə istifadəçi səhifənin Android telefonlarda sürüşmədiyini bildirdi, müəllif isə bunun düzəldiləcəyini söylədi. Bir tamaşaçı agentlərin hücum zamanı hərəkətsiz dayandığını gördü. Ən sərt tənqidi dialoqlar aldı: "I'm coming for you, Crimson!" kimi ifadələr bir şərhçiyə agent tapşırıqlarına uyğunlaşdırılmış modellərin düz mətn yaratdığının sübutu kimi göründü, başqası isə günahı 50 simvol limitinə atdı. İstəklər arasında paylaşıla bilən təkrar linkləri var idi.