Recursos de publicación y textos sugeridos
Estos son archivos listos para compartir y borradores de texto. No se ha enviado ninguna publicación a redes sociales.
| Recurso | Formato | Tiempo |
|---|---|---|
| Vídeo de demostración | 1920 × 1080, H.264, 30 FPS de vídeo | 30 segundos, velocidad de reloj original |
| GIF del README | GIF animado de 1040 píxeles de ancho | 15 segundos, velocidad de reloj original |
| Vídeo a velocidad máxima | 1920 × 1080, H.264, 30 FPS de vídeo | 15 segundos, velocidad original, ejecución optimizada en vivo |
| Póster | PNG de 1920 × 1080 | Estado real grabado a aproximadamente 85 segundos |
| Grabación de origen | JSONL | Ejecución completa de 100 segundos de TTY real |
| Procedencia | JSON | Hash de origen, modelo, marcas de tiempo y hash del renderizador |
La ejecución de origen alcanzó la puntuación 40 y la longitud 46, con 1,144 movimientos reales impulsados por inferencia, cero muertes y cero intervenciones de seguridad. Su objetivo era 12 decisiones/segundo para facilitar la legibilidad. El vídeo es una renderización de las celdas de terminal grabadas, identificadas en pantalla como RECORDED RUN · 1×.
El clip adicional a velocidad máxima proviene de una ejecución TTY separada de 20.01 segundos en color verdadero con --optimize --max-speed: 1,296 movimientos a 64.77 movimientos/segundo, puntuación 44, longitud 50, cero muertes y cero intervenciones. Incluye la escritura del flujo de terminal en vivo; no está comprimido en el tiempo. Origen · Procedencia.
Borrador breve en inglés
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
Borrador en chino
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
Seguimiento de rendimiento aparte
El bucle completo optimizado de Snake midió 75.40 movimientos/segundo en 2,400 movimientos, con cero muertes, 2 intervenciones de seguridad y una coincidencia de acciones ejecutadas de 2,400/2,400 con el control eager emparejado. Fue alrededor de 6.5% más rápido en esa ejecución. Esto incluye planificación, inferencia, composición con Rich, serialización ANSI y actualizaciones del juego, pero excluye el pintado del emulador de terminal.
Usa el informe de optimización cuando compartas ese número. El titular de 7.39 ms describe el fixture independiente de la API de una pregunta; no es el tiempo por fotograma de esta demostración de Snake de tres preguntas. Ninguno de los dos resultados es una comparación con una API en la nube ni evidencia de razonamiento de Snake sin ayuda.