Release-Assets und vorgeschlagener Text
Dies sind teilbereite Dateien und Entwurfstext. Es wurde kein Social-Media-Beitrag veröffentlicht.
| Asset | Format | Timing |
|---|---|---|
| Demo-Video | 1920 × 1080, H.264, 30 Video-FPS | 30 Sekunden, ursprüngliche Echtzeit-Geschwindigkeit |
| README-GIF | 1040 Pixel breites animiertes GIF | 15 Sekunden, ursprüngliche Echtzeit-Geschwindigkeit |
| Maximalgeschwindigkeits-Video | 1920 × 1080, H.264, 30 Video-FPS | 15 Sekunden, Originalgeschwindigkeit, optimierter Live-Lauf |
| Poster | 1920 × 1080 PNG | Tatsächlich aufgezeichneter Zustand bei etwa 85 Sekunden |
| Quellaufzeichnung | JSONL | Der gesamte tatsächliche 100-sekündige TTY-Lauf |
| Herkunft | JSON | Quell-Hash, Modell, Zeitstempel und Renderer-Hash |
Der Quelllauf erreichte Punktzahl 40 und Länge 46, mit 1,144 echten inferenzgetriebenen Zügen, null Toden und null Sicherheitseingriffen. Sein Ziel waren 12 Entscheidungen/Sekunde für die Lesbarkeit. Das Video ist ein Rendering der aufgezeichneten Terminalzellen, auf dem Bildschirm gekennzeichnet als RECORDED RUN · 1×.
Der zusätzliche Maximalgeschwindigkeits-Clip stammt aus einem separaten 20.01-sekündigen Truecolor-TTY-Lauf mit --optimize --max-speed: 1,296 Züge bei 64.77 Zügen/Sekunde, Punktzahl 44, Länge 50, null Tode und null Eingriffe. Er umfasst das Schreiben des Live-Terminalstreams; er ist nicht zeitgerafft. Quelle · Herkunft.
Kurzer englischer Entwurf
A local AI that returns probabilities, not generated text.
Laya-MLX runs open-weight typed decision models on Apple Silicon. Watch a 322M model play Snake with a visible cycle safety layer: real probabilities, measured latency, 0 output tokens, no inference API.
One-question API benchmark: 7.39 ms p50 on M3 Max.
pip install laya-mlxCode, weights and reproducible measurements: https://github.com/mizorewww/laya-mlx
中文草稿
让模型直接选方向，而不是先生成一段文字。
Laya-MLX：在 Mac 上本地运行的开放权重决策模型。这个 3.22 亿参数的贪吃蛇 demo，每一步都显示真实方向概率、推理耗时和安全层接管次数。
0 个输出 token，无推理 API。M3 Max 单问题基准 P50 为 7.39 ms。
pip install laya-mlx代码、权重和原始 benchmark：https://github.com/mizorewww/laya-mlx
Separater Performance-Nachtrag
Die optimierte vollständige Snake-Schleife maß 75.40 Züge/Sekunde über 2,400 Züge, mit null Toden, 2 Sicherheitseingriffen und 2,400/2,400 Übereinstimmung der ausgeführten Aktionen mit der gepaarten Eager-Kontrolle. Sie war in diesem Lauf etwa 6.5% schneller. Dies umfasst Planung, Inferenz, Rich-Komposition, ANSI-Serialisierung und Spiel-Updates, schließt aber das Zeichnen des Terminal-Emulators aus.
Verwende den Optimierungsbericht, wenn du diese Zahl teilst. Die 7.39 ms aus der Überschrift beschreiben das separate Ein-Frage-API-Fixture; es ist nicht die Frame-Zeit dieser Drei-Fragen-Snake-Demo. Keines der Ergebnisse ist ein Cloud-API-Vergleich oder ein Beleg für Snake-Reasoning ohne Unterstützung.