creaτepjf ⚡️ 🟦

谁能想到Jev 居然输给了一个 1.88B 本地开源模型🔥 结果真的有点让我意外： 我做了一个贪吃蛇决策游戏 Jev 30:28 险胜，但是换成同一组 68 道决策题，本地模型准确率直接做到 94.1%，Jev 只有 76.5% 一个错了 4 道题，一个错了 16 道题 我本来只是想测试一下 “小模型决策能力怎么？”，结果我抽完发现，小模型虽然小 但是准确率一点也不低。 1️⃣ 先说我是怎么测的 双方使用完全一样的 12×12 棋盘、随机种子、碰撞过滤和路径规划器，只有遇到多个方向都能走的时候，才把选择交给模型。 最后 Jev 吃到 30 个食物，跑满 256 步 本地模型吃到 28 个，在 239 步被困住。 如果单看这一局的成绩，肯定是Jev 赢了。 但是贪吃蛇只是某一步选错以后，后面整条路线都会变，所以我又补了固定的 68 道决策题。 结果 this-that-model-1.0 答对 64/68，94.1%；Jev 是 52/68，76.5%。 Brier Score 也分别是 0.042 vs 0.133，本地模型给出的概率和真实结果更贴近 2️⃣ 这个模型最离谱的地方，是它只有 1.88B this-that-model-1.0 是一个开源的结构化决策模型，MIT License，可以直接在 Mac 本地跑 它和 Jev 的思路其实很像： 不给你写小作文，也不慢慢吐 Token 给它当前状态、一个问题、几个候选答案，它一次前向直接返回： 选哪个 + 每个选项的概率。 所以任务分流、选 Skill、队列选择、标签判断、Agent 下一步动作这种事情，都很适合 我在 M4 上直接用 MPS + FP16 跑，不需要 API Key，也没有网络请求 不同任务中位延迟大概 225～475ms，Snake 实战中位 475ms，平均约 492ms 一个 1.88B 模型，在 Mac 上已经可以做到亚秒级决策。 这个我觉得挺夸张 3️⃣ 我又单独测了 105 道空间决策题 总准确率 84.8%，随机基线只有 34.3% 其中 Snake 状态题、行列文字状态都是 100%，JSON 状态也有 94.4%。 而且输出特别干净。 没有 JSON 少个括号，也不会突然给你解释人生，只会老老实实从候选答案里面选一个，再把概率交给程序 对于 Agent 来说，这种“无聊”反而挺值钱。 4️⃣ 当然它也不是万能的 完整地图测试只有 60.7%，最短路径距离题更是掉到 28.6% 一旦任务需要真正的多步图搜索、连续计算，它就明显不行了 所以这次结果也不能简单理解成： 1.88B 打败 Jev 贪吃蛇单局上是 Jev 赢了，而且 Jev 这次没有保存同条件延迟数据，速度也没法公平比较 真正让我感兴趣的是另一件事： 很多 Agent 里面那些高频、重复、答案明确的小判断，可能根本没必要每次都调用一个大模型，甚至连云端 Jev 都不一定需要。 一个 1.88B、本地运行、一次前向就结束的模型，已经可以完成绝大多数简单的决策了。 一些无关痛痒的简单的决策都可以交给这种小的本地模式、遇到复杂的任务再交给 GPT、Claude这样的大模型可能会更适合。 我现在越来越觉得，未来 Agent 不一定是“所有事情都找最强模型”。 更可能是： 小模型负责做大量的决策，大模型才是真正的为了我们的工作服务。 如果你们感兴趣 也可以部署一下，再偷偷地补充一句 这个可是很牛的牛津团队开源的： huggingface.co/flock-io/this…