四个 LLM 打《毁灭战士》：Jev 击杀 5.63 领跑，实测延迟差 15 倍
shniydder · reddit · 2026-09-20
一位开发者让 Jev、Laya、微调版 ModernCE-base-nli 和微调版 Qwen3.5-4B (LoRA) 玩《毁灭战士》（ViZDoom），同种子同起点对比四种模型的表现，灵感来自 TypeSafe 的 Jev Doom demo。
实验设置：
- 输入：Python 适配器读取 ViZDoom 的可见物体标签、边界框和 HUD（血量/弹药）生成简短文本描述。
- 输出：单个按键动作——Defend the Center 模式为左转/右转/开火，Health Gathering 模式为左/右/前进找医疗包。
- 游戏时钟 35Hz，目标每秒 5 次决策，模型回复期间游戏不暂停；本地模型跑在一台 DGX Spark（GB10，128GB 统一内存）上，Jev 用 TypeSafe 托管 API。每个模型每个场景跑 8 个种子，每局上限 30 秒，均未做 Doom 专项训练。
结果（均值）：
- Jev 1.13：Defend the Center 平均击杀 5.63，Health Gathering 存活 13.03s，但调用延迟 p50 高达 117.3ms（含 API 往返）。
- Qwen3.5-4B LoRA：击杀 3.63，存活 11.31s，延迟 p50 约 146.8ms。
- Laya：击杀 1.25，存活 11.89s，延迟仅 16.2ms。
- 微调 ModernCE：击杀 1.25，存活 11.66s，延迟最低（p50 7.6ms）。
结论：Jev 决策质量明显更强但延迟高一个数量级；本地小模型延迟极低但击杀数差 4 倍多。作者另写了探索 Jev 的长文：morethanamachine.com/posts/jev-style-decisions-dgx-spark/。
「模型」频道最新
- 受 Jev 启发的推理方案：350M 小模型提速 63 倍，代码权重已开源 — JosephJacks_ · 2026-09-20
- 同一 SVG 提示词横评四大模型：Fable 5.1 短短几天内质量飞跃 — LegitimateSwordfish8 · 2026-09-20
- 4 家大厂模型越狱测试背后竟是同一评估公司 Irregular — bradneuberg · 2026-09-20
- Claude 越发不听指令擅自扩大改动，用户怀疑被 one-shot 风气带偏 — MrTemple · 2026-09-20
- Reddit 热议:Q1 极限量化模型真有那么糟吗? — Felix_455-788 · 2026-09-20
- 实测 jev 上真实浏览器任务秒翻车,演示页面疑为定制沙盒 — TheZachMueller · 2026-09-20