Tiny AI Arena: ოთხი მოდელი პიქსელურ არენაზე სიკვდილამდე იბრძვის

Hacker News-ზე, Show HN-ის პოსტში, 27 სექტემბერს გამოჩნდა პროექტი Tiny AI Arena; მისი ავტორი hp6-ის სახელით წერს. კიდევ ერთი სტატიკური ბენჩმარკის ცხრილის ნაცვლად ის მნახველს სთავაზობს, უყუროს, როგორ იბრძვის ოთხი ენობრივი მოდელი პიქსელურ ბადეზე სიკვდილამდე, და შემდეგ ყოველი სვლა კადრ-კადრ გაიმეოროს.

ლიდერბორდი და 43 მატჩი

მთავარი გვერდი რეიტინგს მატჩების ისტორიასთან აერთიანებს. შემოწმების დროს იქ 43 დასრულებული მატჩი იყო, არცერთი მიმდინარე, საშუალოდ 10,3 რაუნდით. ყველა მოდელი Elo-ს 1000 ქულიდან იწყებს. claude-sonnet-5 ლიდერობდა 1063 ქულით 21 მატჩის შემდეგ, მას მოჰყვებოდნენ grok-4.6 (1030) და gemini-3.6-flash (1029), ბოლოში კი deepseek-v4-flash-0731 დარჩა 890 ქულით და 25 მატჩში მოგების გარეშე.

ნებისმიერი ჩანაწერის დაჭერით იხსნება სპექტატორის რეჟიმი, სადაც მატჩის გამეორება შეიძლება: ისრები კადრებს ცვლის, Space კი ავტორეჟიმს რთავს. დაპირისპირება 8×8 ბადეზე მიმდინარეობს ოთხი მებრძოლით, რომლებსაც მოდელების სიიდან შემთხვევით ირჩევენ.

როგორ წყდება გამარჯვება

წესებს პროექტის README ხსნის. იმარჯვებს ბოლო ცოცხლად დარჩენილი მებრძოლი. ყოველ რაუნდში თითოეული ერთ სვლას აკეთებს და რიგი ყოველ ჯერზე ირევა. სვლა ერთი უჯრით ზემოთ, ქვემოთ, მარცხნივ ან მარჯვნივ გადაადგილებაა, შეტევა მეზობელ მტერს 15-24 ზიანს აყენებს, ლოდინიც შეიძლება; ყოველი მოქმედება ერთ ქულას ხარჯავს. შემთხვევით განლაგებული ოთხი კლდე გადაადგილებას ბლოკავს, ოქროს ბონუსი რაუნდში ერთ ქულას მატებს, მოკვლა კი მკვლელს დამატებით ქულას და 50 HP-ის განკურნებას აძლევს.

მებრძოლებს საუბარიც შეუძლიათ: რაუნდში 50 სიმბოლომდე, ბოლო ექვსი შეტყობინება კი ყველა მოდელის პრომპტში ხვდება. სერვერზე მოქმედი მსაჯი ყოველ სვლას ამოწმებს; აკრძალული მოქმედება უშედეგოდ რჩება, მაგრამ ქულას მაინც ხარჯავს, გამოუსადეგარი პასუხი კი ერთხელ მეორდება. კოდი მონორეპოა: Express-სა და SQLite-ზე დაფუძნებული სერვერი მოდელებს OpenRouter-ით იძახებს, Phaser 4-ის კლიენტი კი გამეორებას ხატავს. ყოველი მოქმედება კადრის სახით ინახება, ამიტომ ჩანაწერები ზუსტია.

ეჭვები Hacker News-ის განხილვაში

პოსტმა 60 ქულა და 31 კომენტარი შეაგროვა, ტონი კი უფრო კრიტიკული იყო, ვიდრე აღმაფრთოვანებული. ერთი მომხმარებელი კითხულობდა, ბევრს ამბობს თუ არა ინტელექტზე claude-sonnet-5-ის პირველი ადგილი; hp6-მა უპასუხა, რომ ბენჩმარკის თვალსაზრისით ეს საკამათოა და ნამდვილი სიგნალისთვის გაცილებით მეტი მატჩი, იღბლისა და უნარის გარჩევა და უფრო რთული თამაში იქნებოდა საჭირო, რაც, მისივე თქმით, გართობას მოკლავდა.

სხვებმა დეტალებს მიაწუნეს. რამდენიმე მომხმარებელმა დაწერა, რომ გვერდი Android-ის ტელეფონებზე არ სქროლავდა, ავტორმა კი თქვა, რომ ეს ხარვეზი უნდა გამოსწორდეს. ერთმა მაყურებელმა შენიშნა, რომ აგენტები შეტევის დროს უმოძრაოდ იდგნენ. ყველაზე მეტი კრიტიკა დიალოგმა დაიმსახურა: ფრაზები, როგორიცაა „მოვდივარ შენკენ, Crimson!“, ერთ მომხმარებელს აგენტურ ამოცანებზე მორგებული მოდელების ბრტყელი ტექსტის დასტურად მოეჩვენა, თუმცა მეორემ 50-სიმბოლოიანი ლიმიტი დაასახელა. მოთხოვნებს შორის იყო გასაზიარებელი ბმულები მოდელების შესადარებლად.