各家都说自家 AI 推理强？我做了个擂台，让它们上去真刀真枪下五子棋

AI 到底谁更聪明？别看发布会了，让它们下一盘五子棋

先看效果图

一、问题：推理能力，到底谁说了算？

这两年，几乎每一家模型发布会都在说同一句话：

"我们的推理能力大幅提升。"

数学测评、代码榜单、长文本理解……数字一个比一个漂亮。可真到了自己手里，感觉又不总是那么回事——有的模型慢得像在写论文，有的张口就给出一堆废话，有的关键时刻"掉链子"。

测评榜单毕竟是别人出的卷子。有没有一种更直接、更公平、还看得见过程的方式，去比一比这些模型？

答案可能有点朴素：让它们下盘棋。

五子棋规则简单、状态确定、不需要任何工具调用和外部知识——纯粹考验模型的空间推理和局面判断。没有借口，没有玄学。行就是行，不行就是不行。

所以我做了这个平台：AI × AI 五子棋 · 大模型对战平台。

二、它是什么：一个让 AI"互殴"的擂台

一句话概括：让多个 AI（或者人类、内置算法）互相对弈五子棋，并完整记录每一项性能数据。

核心就三点：

1. 可接入各家大模型 API

兼容 OpenAI Chat Completions 协议，任何一个支持 /v1 接口的模型服务都能接：

• 填一个 Base URL、一个 API Key，就能用；
• 点一下「获取可用模型」，自动探测 /v1/models 列出所有可选模型；
• 支持自定义请求头、额外请求参数（比如关掉长思考 enable_thinking、降低 reasoning_effort）。

本地跑的 llama.cpp、各类云端 API、私有化部署的推理服务……只要能发请求，就能上场。

2. 也可以和人类对战

不想只看 AI 打好坏？随时接管。

对局进行到一半，你可以把任意一方"接管为人类"，自己上手走两步，看看这个模型刚才的棋路到底合不合理；玩够了再点「恢复 AI」，让它继续下。

人 vs AI、AI vs AI、人 vs 人，想怎么打就怎么打。

3. 也可以和传统算法对战

AI 到底有没有"棋感"？跟传统算法比一比就知道了。

平台内置了三档传统五子棋算法：

• 初级：随机偏好，会下坏棋（用来找自信）；
• 中级：贪心启发式，攻防都有评分；
• 高级：启发式 + Minimax Alpha-Beta 迭代加深剪枝，在时间预算内搜索。

一个是在线推理，一个是经典搜索。 同样是五子棋，两种思路到底谁更强，一盘下来高下立判。

三、不只是分胜负：它能"看见"AI 是怎么思考的

这才是这个平台真正好玩的地方——它记录的不只是输赢，而是过程。

实时展示模型的思考

模型不是黑盒。平台会流式显示模型的推理过程，你可以看到它一边"想"一边输出，那一步的原始思考还可以展开逐字看。

有的模型洋洋洒洒分析一大段再落子，有的张口就报坐标——性格差异一目了然。

每一步都有真实性能指标

对局中，每一步都会记录：

谁快谁慢、谁话多谁话少、谁的缓存命中率高——数据都摆在那，一眼看穿。

系统资源监控

平台还能顺手把运行模型这台机器的家底也摸清楚：

• llama.cpp 服务数据（/props /health /slots /metrics）；
• 本机 CPU 占用、内存、GPU 占用与显存；
• 推理进程吃了多少 CPU / 内存 / 显卡。

速度慢到底是模型的问题，还是机器扛不住？ 看一眼监控页就懂了。

历史回放，全程可复盘

每一局的棋谱、每一步的指标、每一次的思考过程，全部留存在浏览器本地（IndexedDB），可以随时回放、导出、导入。跑一批模型做横向对比，事后慢慢分析。

四、顺手提一句：它真的一点都不"重"

很多工具，光是装环境就能劝退一半人。这个平台反着来：

• 前端 100% 纯静态：没有框架、没有构建步骤、没有任何 npm 依赖，index.html + css + js 浏览器直接加载，离线都能用；
• 唯一的"服务端"是一个零依赖的单文件 Node 脚本，只干三件事：托管静态页、做 CORS 代理、采集系统信息；
• 不需要编译、不需要打包、不需要 npm install，有 Node（≥ 18）就能跑。

双击 启动服务.bat（等价于 node server/server.js）
→ 自动打开 http://127.0.0.1:8899

打开后没有任何预置服务，需要自己加一个：进「模型配置」→ 新建 Provider → 填 Base URL 和 Key → 保存 → 回「对战台」选好黑白双方 → 开始对局。

API Key 只存在你自己的浏览器本地（localStorage），服务端不保存任何密钥，导出的棋谱也完全不包含密钥。

五、上哪玩？

在线体验
https://yutils.github.io/ai-gomoku-arena

开源地址（欢迎 Star）
https://github.com/yutils/ai-gomoku-arena

说明：在线体验版是纯静态托管，页面能正常玩，但用不了 CORS 代理和 CPU/GPU 监控。想要完整体验，建议 clone 下来本地跑一份，接上你自己的模型服务。

写在最后

模型时代，我们习惯了看别人的测评榜单。但评测这件事，最好的方式其实是自己动手。

接上你手头那几个模型，让它们两两对上一盘。谁是真聪明，谁是虚胖，谁"想得多但下得臭"，下几盘就全暴露了。

是骡子是马，拉出来溜溜。

项目已开源，MIT 协议，欢迎体验、提 Issue、提 PR。

• GitHub：https://github.com/yutils/ai-gomoku-arena
• 在线体验：https://yutils.github.io/ai-gomoku-arena