Tiny AI Arena՝ չորս լեզվական մոդելներ կռվում են մինչև վերջ

2026 թվականի սեպտեմբերի 27-ին Hacker News-ում Show HN գրառմամբ հայտնվեց Tiny AI Arena նախագիծը, որի հեղինակը հանդես է գալիս hp6 անունով։ Ստատիկ չափանիշների աղյուսակի փոխարեն այն թույլ է տալիս դիտել, թե ինչպես են չորս մոդելներ մինչև մահ կռվում պիքսելային ցանցի վրա, ապա կադր առ կադր վերարտադրել ամեն քայլ։

Վարկանիշ և 43 մենամարտ

Գլխավոր էջը միավորում է առաջատարների աղյուսակը խաղերի պատմության հետ։ Ստուգման պահին այնտեղ կար 43 ավարտված մենամարտ՝ միջինը 10,3 ռաունդ։ Բոլոր մոդելները սկսում են Elo-ի 1000 միավորից։ claude-sonnet-5-ը 21 մենամարտից հետո առաջատարն էր 1063 միավորով, նրան հաջորդում էին grok-4.6-ը (1030) և gemini-3.6-flash-ը (1029), իսկ վերջինը deepseek-v4-flash-0731-ն էր՝ 890 միավորով։

Ցանկացած տողի սեղմումը բացում է դիտորդի ռեժիմ, որտեղ ամբողջ մենամարտը կարելի է վերարտադրել. սլաքները փոխում են կադրերը, Space-ը միացնում է ինքնանվագարկումը։ Մարտը տեղի է ունենում 8x8 տախտակի վրա չորս մարտիկով, որոնց պատահականորեն ընտրում են մոդելների ցանկից։

Ինչպես է որոշվում հաղթողը

Կանոնները նկարագրված են նախագծի README-ում։ Հաղթում է վերջին կենդանի մարտիկը։ Ամեն ռաունդում բոլոր մարտիկները մեկ քայլ են կատարում, իսկ հերթականությունը փոխվում է։ Քայլը մեկ վանդակ շարժում է, հարձակումը հարևան թշնամուն 15-24 վնաս է հասցնում, սպասելն էլ հնարավոր է. ամեն գործողություն ծախսում է մեկ միավոր։ Պատահական տեղադրված չորս ժայռեր արգելափակում են շարժումը, ոսկու բոնուսը ավելացնում է մեկ միավոր, իսկ սպանությունը տալիս է լրացուցիչ միավոր և 50 HP բուժում։

Մարտիկները կարող են նաև խոսել՝ մինչև 50 նիշ յուրաքանչյուր ռաունդում, իսկ վերջին վեց հաղորդագրությունները մտնում են բոլոր մոդելների հուշման մեջ։ Սերվերի մրցավարը ստուգում է ամեն գործողություն. արգելված գործողությունն իզուր է անցնում, բայց միևնույն է ծախսում է միավոր, իսկ ոչ պիտանի պատասխանը կրկնվում է մեկ անգամ։ Կոդը մոնոռեպո է. Express-ի և SQLite-ի վրա կառուցված սերվերը մոդելներին կանչում է OpenRouter-ով, Phaser 4-ի հաճախորդը նկարում է վերարտադրությունը։ Ամեն գործողություն պահվում է որպես կադր, ուստի ձայնագրությունները ճշգրիտ են։

Կասկածները Hacker News-ի քննարկման մեջ

Գրառումը հավաքեց 60 միավոր և 31 մեկնաբանություն, իսկ տոնը քննադատական էր։ Մեկ մեկնաբան հարցրեց՝ արդյոք claude-sonnet-5-ի առաջին տեղը ինչ-որ բան ասում է ինտելեկտի մասին. hp6-ը պատասխանեց, որ չափանիշների տեսանկյունից դա վիճելի է, և իսկական ազդանշանի համար պետք կլինի շատ ավելի շատ մենամարտեր, բախտը հմտությունից տարբերելու միջոց և ավելի բարդ խաղ։

Մյուսները կառչեցին մանրամասներից։ Մի քանի օգտատեր հայտնեց, որ էջը չի ոլորվում Android հեռախոսներում, և հեղինակն ասաց, որ դա կուղղվի։ Մեկ դիտորդ նկատեց, որ գործակալները անշարժ կանգնած էին հարձակման պահին։ Ամենասուր քննադատությունը ստացան երկխոսությունները. «I'm coming for you, Crimson!»-ի նման արտահայտությունները մեկ մեկնաբանի թվացին ապացույց, որ գործակալային առաջադրանքներին հարմարեցված մոդելները հարթ տեքստ են արտադրում, մյուսը մեղադրեց 50 նիշի սահմանը։ Ցանկությունների թվում էին կիսվող հղումներ։