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

简介: AI 到底谁更聪明?别看发布会了,让它们下一盘五子棋

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
效果图1

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。
配置图

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:

指标 含义
总用时 这一手花了多久
TTFT 首字延迟,用户多久能看到第一个字
输入 / 输出 tokens 这一手消耗了多少 token
tok/s 生成速度
缓存命中 tokens 有多少走了 KV 缓存
MTP 草稿数 / 接受数 多 token 预测的草稿接受率

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。
资源图

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。

历史图


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。

目录
相关文章
|
1月前
|
存储 弹性计算 固态存储
阿里云服务器收费标准2026年最新:轻量应用服务器和ECS费用清单
2026年阿里云服务器最新价格指南:涵盖轻量应用服务器(38元/年起)、ECS(99元起)及GPU服务器,详解包年包月、按量付费等计费模式,含CPU内存、带宽、系统盘分项费用与爆款配置推荐。(239字)
306 0
|
28天前
|
人工智能 API 开发工具
DeepSeek Harness vs opencode:接入第三方模型后谁更聪明
DeepSeek Harness vs opencode:接入第三方模型后谁更聪明
747 0
|
5月前
|
存储 弹性计算 运维
2026年阿里云99元服务器「ECS经济型e实例」解析测评,超高性价比
2026年阿里云ECS经济型e实例(2核2G/3M带宽/40G ESSD)仅99元/年,新老用户同享,续费不涨价。搭载Intel Xeon Platinum处理器(主频2.5GHz),支持轻量建站、开发测试等场景,性价比极高。阿里云99元服务器活动:https://t.aliyun.com/U/OTnSAH
|
弹性计算 数据可视化 Ubuntu
云服务器使用docker安装portainer容器可视化管理工具
Portainer 将管理容器的复杂性隐藏在易于使用的 UI 后面,使部署应用程序和解决问题变得如此简单,通过使用界面化来完成容器的部署操作。
2376 1
云服务器使用docker安装portainer容器可视化管理工具
|
30天前
|
弹性计算 运维 数据挖掘
阿里云服务器租用费用:38元、68元、99元和199元配置解析、购买入口及限制说明
2026年阿里云最便宜四款云服务器:38元/年(新用户秒杀,2核2G轻量)、68元/年(新用户常规价,同配置)、99元/年(ECS经济型e,2核2G/3M固定带宽,新老用户可购)、199元/年(ECS通用型u1,2核4G/5M,企业专享)。均支持同价续费,适用博客、建站、开发及企业应用。阿里云官方活动:https://t.aliyun.com/U/OTnSAH
384 0
|
30天前
|
存储 人工智能 弹性计算
阿里云服务器便宜购买攻略:试用、领券、组合购三步省到底‌,新老用户都省钱‌
本文系统讲解阿里云服务器的实惠采购方法,核心是一套有先后顺序的决策流程:先盘清业务需求与成本构成,再确定计费模式,随后比对活动价、叠加优惠券,最后核算续费口径。新用户可先免费试用,再抢 38 元轻量应用服务器或 99 元、199 元长效特惠款,需多产品协同则优先组合购,选购高性能实例应领券后下单;老用户则可借助大促阶梯满减、AI 用量加速计划等返还机制对冲成本。文中还详细拆解了试用权益差异、五类组合套餐、无门槛券与 AI 体验券的领取条件与操作要点,帮助新老用户按自身阶段理性选型。
|
10月前
|
存储 弹性计算 安全
阿里云服务器“99计划”是什么?2026年“99计划”具体活动内容及组合套餐介绍
阿里云“99计划”为个人和中小企业提供低价长效云服务器,包括经济型e实例(99元/年)和通用算力型u1实例(199元/年),新老用户同享,续费同价。除低价云服务器外,该计划还涵盖立享建站礼包、加99元享高效存储保障及弹性数据库等专属优惠,支持快速搭建网站、搭建FTP站点等场景。此外,多场景组合套餐和无忧数据备份服务满足用户多样化需求,确保数据安全与业务顺畅,助力用户轻松上云。
8089 4
|
存储 运维 自然语言处理
阿里云物联网平台,企业设备智能化优选云服务
本文整理自阿里云loT产品专家乐程,在物联网平台存量设备如何一键迁移企业版实例的分享。本篇内容主要分为四个部分: 1. 产品背景2. 产品概述3. 产品核心功能4. 证书&案例
2223 1
|
开发者
阿里云开发者社区Markdown语法
阿里云开发者社区Markdown语法
18643 4
|
SQL 存储 Java
MyBatis【创建与使用】
MyBatis【创建与使用】
MyBatis【创建与使用】

热门文章

最新文章