近日，AI初创公司opper在Hacker News上发布了名为Jevman的基准测试项目，旨在评估主流AI决策模型在简单快速决策场景中的表现。该项目选择经典游戏吃豆人作为测试环境，让多个模型与机器人幽灵对抗，以衡量其决策能力。随着OpenAI推出决策端点、Cloudflare发布Clef等，决策模型领域竞争加剧，opper希望对这些流行方案进行横向对比。

发生了什么

opper让Jev 1.13、Kev、Clef、Clef Flash、GPT-6 Luna和Laya六个模型参与了吃豆人游戏，每个模型进行了100局比赛。这些模型具备低延迟特性，能够支持实时游戏操作。测试结果已发布在排行榜上，同时项目代码在GitHub开源，允许任何人运行自己的模型并加入排名。

除了作为基准测试，Jevman还提供了互动体验：用户可以作为吃豆人亲自加入游戏，而幽灵则由模型控制，可以混合不同模型或全部使用同一模型（如Jev、Kev、Clef等）。据opper介绍，玩一局游戏的成本约为2美分，所有模型通过其初创公司opper运行，并为所有用户提供了免费积分以尝试体验。

该项目在Hacker News上发布后，获得了5个点数，暂无评论。发布者表示，游戏玩起来相当有趣，但击败Jev的高分却出人意料地困难，并欢迎任何反馈。

为什么重要

随着AI决策模型在各行各业的应用日益广泛，如何客观评估其性能成为关键问题。Jevman基准测试通过游戏化方式，提供了一个直观且可复现的评估平台。其开源特性鼓励社区参与，有助于推动决策模型技术的透明比较和持续改进。此外，低成本实时交互也展示了这些模型在动态环境中的潜在应用价值。

来源：Show HN: Jevman – AI decision models play Pac-Man（发布于 2026-10-08）