AI模型集体挑战吃豆人：Jevman基准测试衡量大模型实时决策力

Jevman是一个发布于Hacker News的Show HN项目，以经典街机游戏《吃豆人》为测试环境，邀请六个AI决策模型各自进行100场对局，与原版街机中的幽灵展开对抗，并形成模型排名。用户可以在平台上查看各模型的排行榜、观看对局回放，甚至亲自与这些AI模型对战。与传统静态基准测试不同，吃豆人这类游戏对AI提出了多维度要求：模型需要在动态变化的环境中实时决策，进行路径规划、资源收集与风险评估，同时还要预判幽灵的追逐行为并制定躲避策略。这种对抗性、不完全信息与实时性的组合，使其成为检验AI智能体决策能力的理想沙盒。该项目也反映出AI评测范式的新趋势：随着大模型在问答、代码生成等传统基准上的表现趋于饱和，研究者开始转向游戏等交互式环境，以更贴近真实场景的方式评估模型的推理与决策水平。从早期DeepMind用Atari游戏训练强化学习智能体，到如今用街机游戏横向对比多个前沿大模型，游戏环境始终扮演着AI能力试金石的角色。Jevman的公开可玩性设计，也降低了普通用户直观理解各模型能力差异的门槛。

事件分析

核心观点：静态跑分已难辨模型高下，街机游戏的动态对抗环境正成为检验大模型真实决策能力的试金石。