リリース素材と提案文案

すぐに共有できる状態のファイルと下書きテキストです。ソーシャルメディアへの投稿はまだ行っていません。

ソースの実行はスコア 40、長さ 46 に達し、実際の推論で駆動された手が 1,144 回、死亡ゼロ、安全介入ゼロでした。読みやすさのため、目標は毎秒 12 判断でした。動画は記録されたターミナルセルをレンダリングしたもので、画面上では RECORDED RUN · 1× と表示されます。

追加の最高速クリップは、--optimize --max-speed を使った別の 20.01 秒のトゥルーカラー TTY 実行によるものです：1,296 手を毎秒 64.77 手で、スコア 44、長さ 50、死亡ゼロ、介入ゼロ。ライブのターミナルストリームの書き込みを含み、時間圧縮はしていません。ソース · 来歴。

短い英語の下書き

生成されたテキストではなく、確率を返すローカルな AI。

Laya-MLX は、オープンウェイトの型付き意思決定モデルを Apple Silicon 上で動かします。322M のモデルが、目に見えるサイクル安全層を備えて Snake をプレイする様子をご覧ください。実際の確率、計測されたレイテンシ、出力トークン 0、推論 API なし。

1 問の API ベンチマーク：M3 Max で p50 7.39 ms。

pip install laya-mlx

コード、重み、再現可能な計測：https://github.com/mizorewww/laya-mlx

中国語の下書き

モデルに、まず文章を生成させるのではなく、方向を直接選ばせる。

Laya-MLX：Mac 上でローカルに動くオープンウェイトの意思決定モデル。この 3.22 億パラメータの Snake デモは、着手ごとに実際の方向確率、推論時間、安全層の介入回数を表示します。

出力トークンは 0、推論 API なし。M3 Max の 1 問ベンチマークは P50 で 7.39 ms。

pip install laya-mlx

コード、重み、生の benchmark：https://github.com/mizorewww/laya-mlx

別途の性能フォローアップ

最適化した完全な Snake ループは、2,400 手で毎秒 75.40 手を計測し、死亡ゼロ、安全介入 2 回、ペアの eager 対照との実行アクション一致が 2,400/2,400 でした。その実行では約 6.5% 高速でした。これには計画、推論、Rich の構築、ANSI シリアライズ、ゲームの更新が含まれますが、ターミナルエミュレータの描画は含みません。

その数値を共有するときは最適化レポートを使ってください。7.39 ms という見出しは別途の 1 問 API フィクスチャを指すもので、この 3 問の Snake デモのフレーム時間ではありません。どちらの結果も、クラウド API との比較でも、支援なしの Snake 推論の証拠でもありません。