# 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](https://developer.qcloudimg.com/http-save/yehe-1206132/d6ccfe0df45091a54d1ac55beb382ffa.jpg)

## 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](https://developer.qcloudimg.com/http-save/yehe-1206132/63f48cc6c3b27527ea04ce7e37f21621.jpg)
### 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](https://developer.qcloudimg.com/http-save/yehe-1206132/0230972734a46d62a09d223288835805.jpg)
### 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](https://developer.qcloudimg.com/http-save/yehe-1206132/ebd24bba02ec08975119671f38cd5857.jpg)

---

## 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>

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"。

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

人工智能

开发工具

测试

大模型五子棋对战平台，通过真刀真枪的棋局对弈直观评测各家AI推理能力。支持接入任意兼容OpenAI接口的模型，记录TTFT、生成速度等性能指标，展示思考过程，支持人机对战与传统算法对比。纯前端轻量部署，开源免费，是检验模型实力的实用工具。

代码解释

GitHub

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

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-腾讯云开发者社区-腾讯云

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

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

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐