【免费下载链接】awesome-decision-models
A curated list of decision models (System One / typed decision models): hosted APIs, open-weight models, runtimes, SDKs, applications, benchmarks, and papers.
Awesome Decision Models 是一个社区维护的决策模型（System One 模型）资源清单，收录了托管 API、开源模型、运行时、SDK、应用、评测和论文。其中最出圈的记录是：决策模型 Jev 用约 1.65 美元的 API 花费、37 小时 40 分，自动通关了《精灵宝可梦 红》。本文把清单中"Demo 与游戏"章节的全部 32 个条目，以及散落在模型、推理、应用章节里的游戏 Demo 一并整理成 50 个决策模型游戏与 Demo 的完整清单，帮你快速看懂这个新物种到底能干什么。
先搞懂：决策模型为什么适合玩游戏 🎮
决策模型和聊天大模型最大的区别：它不生成文本，而是对一组"事先声明的答案"直接输出概率。
- 读入一段状态（文本、JSON，部分模型支持图片）；
- 你提前声明问题，有三种形态：Noul（某事为真的概率）、Choice（从给定选项里选一个）、Score（在有序量表上打分）；
- 模型一次前向计算，为每个选项返回概率，零输出 token。
游戏恰好是它的天选场景：棋盘状态是现成的，合法动作就是"选项列表"，每一步一次决策，快、稳、可回放。这也是 TypeSafe AI 在 2026 年 9 月用 Jev 和/v1/systemoneAPI 开创这一类别后，游戏类 Demo 井喷的原因。
1.65 美元通关宝可梦：最著名的一次决策模型实况
清单里有两个宝可梦项目，值得单独看：
- Jev Plays Pokémon Red：程序直接读取 Game Boy 内存并列出合法选项，每一步都由 Jev 选择，用时 37 小时 40 分、16,150 次决策、约 1.65 美元通关——平均每次决策不到 0.0001 美元。
- jev-plays-pokemon-red：基于 PyBoy 的另一版实现，路线和数值运算由代码掌控，Jev 只在分支点做选择，每回合战斗还会用 Brier 分数对照模拟器 RAM 状态检验"濒死预测"的准确性。
两者都收录在 README_zh.md 的"Demo 与游戏"章节，英文条目见 README.md。
经典街机与单机关卡：12 个决策模型游戏清单
| 项目 | 玩法看点 | 所在章节 |
|---|---|---|
| Jev Tetris | 根据空洞、堆高、起伏选择旋转和落点列 | Demo 与游戏 |
| Jev Pac-Man | 迷宫序列化为 JSON，每个路口由 Jev 选转向，实时对战 | Demo 与游戏 |
| typesafe-mario | 从结构化模拟器状态玩超级马里奥 | Demo 与游戏 |
| JEVfire | 浏览器版马里奥，本地约 71 ms/步 | 推理方法 |
| jev-doom-agent | 浏览器里的 Doom，带空间状态与实时决策遥测 | Demo 与游戏 |
| Von | 本地非自回归模型，每步动作一次前向，附 Doom 演示 | 开源模型 |
| jevlike | 小型单次打分器，含 Doom / 国际象棋视觉演示 | 开源模型 |
| jev-t-rex-runner | Chrome 小恐龙由 Jev 代跳 | Demo 与游戏 |
| snake-jev | 贪吃蛇，每局几百次类型化转向决策 | Demo 与游戏 |
| PlayJev | 从 448 px 画面玩 10 款浏览器小游戏，每步一次前向 | 开源模型 |
| NanoJev | 0.6B 并行决策模型，同一权重玩 ViZDoom、迷宫、贪吃蛇 | 开源模型 |
| jev-visual | 教学向视觉推理，含分拣厂 / Breakout / 手势演示 | 推理方法 |
如果 PlayJev 的 10 款游戏分开计数，光这一节就已经超过清单总条目的一半。
棋类与策略对决：10 个能上手对战的决策模型项目
- Jev Chess：全网对 Jev 的一盘共享棋，每个合法着法都是一个 Choice 问题，概率给棋子上色，实时校准面板为每一步打分
- Chess with Jev：浏览器国际象棋与 Chess960，代码算出每个合法着法的事实，Jev 每回合以一次 Choice 选一步
- chess-vs-jev：Pygame 国际象棋，支持人 vs 人、人 vs Jev、Jev vs Jev 三种模式
- jev-gomoku：五子棋，还实现了 Jev 对 Jev 自对弈
- sudoku-vs-jev：终端数独，存在必走步时表现稳健，需要猜解时会露馅
- Jev × 2048：把 Jev 当 2048 决策引擎，展示每步的概率分布、置信度、延迟与 token 消耗
- Jev Plays StarCraft：原版星际争霸共享战役的结构化状态框架，带验证跑次和概率轨迹
- Jev × Civilization II：浏览器里跑原版文明 II，Jev 选帝国、城市、科研和单位动作（实验性，尚未验证通关）
- jev-asks-until-sure：二十问游戏，置信度决定何时停止提问，Jev 会断言、含糊其辞，甚至拒绝作答
- Little Airways：玩具群岛空管，Jev 判断备降、紧急、谁先落地，约 150 ms 一次
棋类项目集中展示了一个实用细节：把"规则"和"判断"分离——合法性、胜负判定全部交给确定性代码，决策模型只负责在合法选项里挑一步。这也是整个清单反复出现的工程范式。
创意与交互 Demo：当决策模型开始画画、判读、写剧情
这部分最能体现决策模型"不生成文本也能做出效果"的特点：
- 1 Million Emojis：人人实时共享的 1000 × 1000 emoji 画布，每一笔之后 Jev 用一次 Choice 选定旁边的格子和 emoji
- Jevvie：页面小助手，把页面操作暴露为工具，一次 Choice 判定访客意图，体素角色跳到按钮上执行
- Jev Room：一句话生成六个房间设定，Jev 选、应用渲染
- jev-canvas：语音 + 摄像头手指追踪在画布上绘图，每段实时转写都经过 Jev 决策
- Book Aurora：几十秒读完一整本小说，每段返回九种情绪打分，《弗兰肯斯坦》601 段共 6,010 次判断，约 25 秒、3 美分，可导出海报
- Hollow Creek：村庄 NPC 每个 tick "评判"你（做什么、对你什么感觉），而不是和你聊天
- jev-got：《权力的游戏》角色扮演，故事模型写场景，Jev 回答"他在哪、有多危险、该配什么音乐"
- Jev mood demo：对 NPC 时好时坏，结构化状态持续跟踪心情变化
- TypeSafe Typewriter：打字时 16 条类型化判断实时更新
- Yes / No：免登录 Noul 演示，问一句，得到 yes / no / maybe
- jev-fit：粘贴一个软件想法，Jev 一次调用回答一套固定问题，给出"普通代码 / Jev / 推理型 LLM"的结论和概率
- Jev Guard：评论审核 playground
- TypeSafe AdBlock：Chrome 扩展，Jev 判断候选 DOM 元素并移除疑似广告，BYOK 无后端
- Jevtown：由 10,000 个计算生成的人物组成的小镇，Jev 判断文本适合哪些人、每个人如何反应
模拟器与实时 Agent：落地表现、空管、餐厅服务
- FlightBench：固定翼飞机着陆模拟器与基准测试，可与 Jev 比拼着陆表现，对照人类飞行员、基线与 LLM 控制器
- JevsBistro：确定性 3D 餐厅模拟，重放同一场晚餐服务，对比规则驱动、摄像头辅助和 Jev 规划的服务员
- Jev Drone：MuJoCo 四旋翼，控制和安全留在代码里，Jev 做较慢的战术判断
- Jev Ultrafast：浏览器 Agent，一次请求同时选出操作和 DOM 元素，苏黎世 → 伦敦查机票约 7 秒（收录在"应用"章节）
如何在清单里快速定位这些游戏
- 中文版清单：README_zh.md，"Demo 与游戏"章节从第 246 行开始，共 32 条
- 英文版清单：README.md，章节结构完全对应
- 网页版支持中英切换和条目搜索，由 site/index.html、site/app.js、site/style.css 组成
- 网站每次合并后由 scripts/build_site.py 从两份 README 自动生成，本地可用
python3 scripts/build_site.py --strict校验两份清单的一致性 - 想给自己的游戏 Demo 投稿？阅读 CONTRIBUTING.md，核心要求是：真正用到决策模型、一句话说明它做什么以及怎么用的哪个模型
本地跑一个决策模型：三条最省事的路
看完清单想动手试试，清单的"运行时与平台"章节给出了现成方案：
- Ollama：0.35 版本起在本地提供
/v1/systemone，模型库里首批决策模型是nimble和tev1，拉下来即可用 - llama.cpp：
llama-server可服务 Laya、Kev-4B、Clef 等模型，支持图片状态；jevos把 1B 模型量化到 619 MB，纯 CPU 笔记本也能跑，短请求约 54 ms - Ollaya：面向决策模型的专用运行时，官方 Python SDK 无需修改即可连接
托管路线则直接用 TypeSafe 的 Jev：问题设计成 Noul / Choice / Score 三种形态，一次请求拿到全部概率，代码只负责阈值判断和动作执行。
写在最后
这份清单的价值不只是"能玩游戏"：37 小时通关宝可梦只花了 1.65 美元，而一次浏览器查票操作只要 7 秒——决策模型真正的卖点是低延迟、低成本、可校准的概率化判断。游戏恰好是最直观的压力测试场：规则确定、胜负可验证、每一步决策都有迹可循。如果你正在评估要不要把决策模型引入自己的产品，不妨先从这个游戏清单入手，感受一次"零输出 token 也能做完一整盘棋"的差别。
【免费下载链接】awesome-decision-models
A curated list of decision models (System One / typed decision models): hosted APIs, open-weight models, runtimes, SDKs, applications, benchmarks, and papers.
相关推荐
10 个托管决策模型 API 全清单：Awesome Decision Models 帮你选对 Jev、d1 与 OpenAI Decisions
10 个托管决策模型 API 全清单：Awesome Decision Models 帮你选对 Jev、d1 与 OpenAI Decisions Awesom
免费自托管决策模型怎么选？Awesome Decision Models 开源权重全清单：从 0.6B 到 35B MoE
免费自托管决策模型怎么选？Awesome Decision Models 开源权重全清单：从 0.6B 到 35B MoE 免费自托管决策模型怎么选？开源项目
prepare_detection_dataset：目标检测数据集转换的终极解决方案
prepare_detection_dataset：目标检测数据集转换的终极解决方案 🚀 你是否正在为目标检测项目的数据集格式转换而烦恼？prepare_de
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
