由本地模型来玩的俄罗斯方块

四个 Qwen 模型通过 POST /v1/systemone 玩完整的俄罗斯方块。规则交给代码：列出所有合法走法、模拟结果、按下按键。每一步都由模型选择，每两个方块只用 1 个输出 token。

在浏览器中试玩 →   完整测试报告 · 源码与录制数据

结果	实测
完成 10 次消除的对局	58 / 60
Qwen3.8-27B 每次决策（精简提示）	中位数 0.73 秒
每局消除行数，Qwen3.8-27B	38.2 · 随机选择 14.3 · 参考评估器 37.8
100 个方块后的最高分	15,262 · quality，精简，种子 202

观看每个模型对局

种子 101，从第一个方块播放到第 10 次消除。等待时间是每次调用实测的往返耗时。

fast · Qwen3.5-0.8B视觉 · 56 个方块达成 · 每次调用 0.14 秒

balanced · Qwen3.5-4B视觉 · 30 个方块达成 · 每次调用 0.51 秒

quality · Qwen3.6-35B-A3B视觉 · 32 个方块达成 · 每次调用 0.92 秒

max · Qwen3.8-27B精简 · 32 个方块达成 · 每次调用 0.66 秒

100 个方块后的结果

档位	消除行数 · 视觉	消除行数 · 精简	调用 · 视觉	调用 · 精简	一致率
fast · Qwen3.5-0.8B	26.6	17.4	0.15 秒	0.03 秒	42%
balanced · Qwen3.5-4B	35.8	33.0	0.65 秒	0.12 秒	73%
quality · Qwen3.6-35B-A3B	38.2	38.2	0.91 秒	0.14 秒	84%
max · Qwen3.8-27B	38.4	38.2	4.08 秒	0.73 秒	85%

每格 5 个种子，每局 100 个方块。一致率把视觉提示下的决策与参考评估器比较，参考评估器从不参与落子。全部 60 局 →

没有模型会怎样

在同样的剪枝方案上，随机选择 100 局中有 90 局堆满出局，平均消除 14.3 行；总选第一个方案为 16.0 行。代码缩小选择范围，由模型做出选择。

一次决策如何完成

1. 枚举。 代码列出当前方块与下一个方块的所有落点，通常有 300–600 个两步方案。
2. 无权重剪枝。 只有在每项实测事实上都不优于另一方案的走法才会被剔除，通常剩约 3 个。
3. 只问一次。 一个 Choice 问题列出各方案及其事实：消除行数、新空洞、高度。视觉提示另附每个结果的字母小图。
4. 读取 1 个 token。 答案是所有方案上的完整概率分布，代码按所选方案按键。

精简提示把规则作为不变的 state，问题中只放当前方块和简短的方案事实。API 会缓存 state，每次调用只需读取约 75–100 个新 token，这让稠密 27B 模型的决策进入一秒以内。

自己运行

uv run openjev serve                                  # 在 :8000 启动 balanced 档位
uv run python examples/tetris/serve.py                # 浏览器游戏：http://127.0.0.1:8765
uv run python examples/tetris/play.py bench --seeds 101,202,303,404,505 --modes vision,compact

测试环境：Apple M3 Max，llama.cpp（Metal）。每种配置 5 个种子，样本较小；耗时取决于机器与负载。