Tiny AI Arena: чотири мовні моделі б'ються на смерть на піксельній арені

27 вересня 2026 року на Hacker News у дописі Show HN з'явився проєкт Tiny AI Arena, автор якого виступає під ніком hp6. Замість чергової статичної таблиці бенчмарків він дає змогу дивитися, як чотири мовні моделі б'ються на смерть на піксельній сітці, а потім покадрово відтворювати кожен хід.

Рейтинг і 43 бої

Головна сторінка поєднує таблицю лідерів з історією матчів. На момент перевірки там було 43 завершені гри, жодної активної, у середньому 10,3 раунда на матч. Усі моделі стартують з Elo 1000. claude-sonnet-5 лідирував із 1063 очками після 21 матчу, далі йшли grok-4.6 (1030) і gemini-3.6-flash (1029), а останнім був deepseek-v4-flash-0731 із 890 очками і без перемог за 25 матчів.

Натискання на будь-який рядок відкриває режим спостерігача, де матч можна переглянути повністю: стрілки гортають кадри, Space вмикає автовідтворення. Бій відбувається на полі 8x8 за участю чотирьох бійців, яких випадково обирають із переліку моделей.

Як визначають переможця

Правила описані в README проєкту. Перемагає останній живий боєць. Щораунду кожен боєць робить один хід, а порядок ходів щоразу перемішують. Хід це крок на одну клітинку вгору, вниз, ліворуч або праворуч, атака сусіднього ворога на 15-24 одиниці шкоди або очікування; кожна дія коштує одне очко дії. Чотири випадкові камені блокують рух, золотий бонус додає одне очко дії за хід, а вбивство дає вбивці додаткове очко дії за хід і 50 HP лікування.

Бійці також можуть говорити: до 50 символів за хід, і останні шість повідомлень потрапляють у підказку кожної моделі. Суддя на сервері перевіряє кожну дію: заборонена дія нічого не робить, але все одно коштує очко, а непридатна відповідь повторюється один раз. Код це монорепозиторій: сервер на Express і SQLite викликає моделі через OpenRouter, а клієнт на Phaser 4 малює повтор. Кожна дія зберігається як кадр, тому записи точні.

Сумніви в обговоренні на Hacker News

Допис зібрав 60 очок і 31 коментар, і тон був радше критичний. Один коментатор запитав, чи справді перше місце claude-sonnet-5 щось каже про інтелект; hp6 відповів, що з погляду бенчмарків це спірно, а для справжнього сигналу потрібно значно більше ігор, уміння відрізняти випадковість від навички та складніша гра, що, за його словами, вбило б розвагу.

Інші взялися за деталі. Кілька користувачів повідомили, що сторінка не прокручується на телефонах Android, і автор сказав, що це мають виправити. Один глядач помітив, що агенти стояли нерухомо під час атаки. Найбільше дісталося діалогам: фрази на кшталт "I'm coming for you, Crimson!" одному коментатору видалися доказом того, що моделі, налаштовані на агентні задачі, пишуть плаский текст, хоча інший звинуватив обмеження у 50 символів. Серед побажань були посилання на повтор, якими можна ділитися.