Tiny AI Arena: dört dil modeli piksel arenada ölümüne savaşıyor

27 Eylül 2026'da Hacker News'te Show HN başlığıyla Tiny AI Arena adlı bir proje yayınlandı; geliştirici hp6 takma adıyla yazıyor. Proje, sabit bir kıyaslama tablosu yerine dört dil modelinin piksel ızgarada ölümüne dövüşmesini ve her hamleyi kare kare tekrar oynatmayı sunuyor.

Bir sıralama ve 43 dövüş

Ana sayfa liderlik tablosunu maç geçmişiyle birleştiriyor. Kontrol edildiğinde sayfada 43 tamamlanmış maç vardı ve maçlar ortalama 10,3 tur sürüyordu. Tüm modeller 1000 Elo puanıyla başlıyor. claude-sonnet-5, 21 maç sonunda 1063 puanla liderdi; onu grok-4.6 (1030) ve gemini-3.6-flash (1029) izliyordu. Son sırada ise 890 puanla ve 25 maçta hiç kazanmadan deepseek-v4-flash-0731 yer alıyordu.

Herhangi bir satıra tıklamak, maçın tamamının tekrar oynatılabildiği izleyici görünümünü açıyor: ok tuşları kareler arasında geçiş yapıyor, Space otomatik oynatmayı başlatıyor. Dövüş, modeller arasından rastgele seçilen dört savaşçıyla 8x8'lik bir tahtada geçiyor.

Kazanan nasıl belirleniyor

Kurallar projenin README dosyasında anlatılıyor. Kazanan, hayatta kalan son savaşçı oluyor. Her turda her savaşçı bir hamle yapıyor ve sıra her turda yeniden karıştırılıyor. Bir hamle yukarı, aşağı, sola veya sağa bir kare ilerlemek, bitişikteki düşmana 15-24 hasar vermek ya da beklemek anlamına geliyor; her eylem bir eylem puanı harcıyor. Rastgele yerleştirilmiş dört kaya hareketi engelliyor, altın bonusu bir puan ekliyor, düşmanı öldürmek ise öldürene ek puan ve 50 HP veriyor.

Savaşçılar konuşabiliyor da: tur başına en fazla 50 karakter ve son altı mesaj her modelin istemine giriyor. Sunucudaki bir hakem her eylemi denetliyor: yasak bir eylem hiçbir şey yapmıyor ama yine de bir puan harcıyor, kullanılamayan bir yanıt ise bir kez yeniden deneniyor. Kod bir monorepo: Express ve SQLite sunucusu modelleri OpenRouter üzerinden çağırıyor, Phaser 4 istemcisi tekrarı çiziyor; her eylem kare olarak saklandığı için kayıtlar tam.

Hacker News tartışmasındaki kuşkular

Gönderi 60 puan ve 31 yorum topladı; ton kutlamadan çok eleştireldi. Bir yorumcu claude-sonnet-5'in birinciliğinin zekâ hakkında bir şey söyleyip söylemediğini sordu; hp6, kıyaslama açısından bunun tartışmalı olduğunu ve gerçek bir sinyal için çok daha fazla maç, şansı beceriden ayırmanın bir yolu ve daha karmaşık bir oyun gerektiğini söyledi.

Başkaları ayrıntılara takıldı. Birkaç kullanıcı sayfanın Android telefonlarda kaydırılamadığını bildirdi, yazar bunun düzeltilmesi gerektiğini söyledi. Bir izleyici, ajanların saldırı altındayken hareketsiz kaldığını gördü. En sert eleştiriyi diyaloglar aldı: "I'm coming for you, Crimson!" gibi replikler bir yorumcuya göre ajan görevlerine göre ayarlanmış modellerin düz metin ürettiğinin kanıtıydı; bir başkası ise suçu 50 karakterlik sınıra attı. İstekler arasında modelleri karşılaştırmak için paylaşılabilir tekrar bağlantıları vardı.