开发者称 AI 决策模型 Jev 不到一周通关《Pokémon Red》

根据开发者在项目页面的介绍，TypeSafe AI 的 Jev 于 2026 年 9 月 23 日在《Pokémon Red》中击败了四天王和冠军，并进入了名人堂。与那些花了几周甚至几个月时间才通关《Pokémon Blue》的聊天机器人不同，Jev 只能从一个选项列表中进行选择。不过，它并非单打独斗。Anthropic 的 Claude Opus 5 全程监控游戏日志，并在 Jev 游玩时不断调整选项及其措辞，实际上充当了教练的角色。

开发者 Andrew Boyd 是 Standard Agents Inc. 的创始人，该公司销售构建 AI agent 的平台。Boyd 最初在 X 上宣布该项目，并声称胜利将在一周内到来。游戏过程进行了直播，用户可以在浏览器或终端中观看，其中还包含由 Jev 主持的聊天功能。

让我们出发！Jev 玩 Pokémon。请关注此处：https://t.co/64naxTJlDg 或者，在终端中运行 `npx jev-plays-pokemon` 即可在 TUI 界面中同步观看（含聊天功能）。聊天需要 GitHub OAuth 授权。Jev 既是玩家也是聊天主持人。让我们去收服所有宝可梦吧！2026 年 9 月 17 日

Jev 是一个近期发布的决策模型，返回解决方案时会附带一个置信度数值。它既不是聊天机器人，也不是 LLM。在游戏中，Jev 参考一份包含事实信息的选项列表，基于概率选出最佳选项。它不读取屏幕画面，也不生成文本或图像。传统的 LLM Claude Opus 5 通过监控游戏日志来协助 Jev 应对卡关情况，其间接作用方式是修改提供给 Jev 的选项和数据。

该页面的 harness 变更日志共有 474 条记录，其中大多数是“游戏日志中的失败”与“所采取的应对措施”的配对。失误案例包括：朝 Lorelei 关闭的入口“撞了 53 次”、在 10 分钟内跨过 Rock Tunnel 的同一部梯子“124 次”，以及在击败全部四位四天王成员后却被冠军的 Alakazam 击败，迫使 Jev 不得不重新击败四位四天王，才在当天晚些时候击败了冠军。

Opus 在兼顾准确率与成本的前提下做出了调整。借助 TypeSafe 对模型特性的记录，它将发送给 Jev 的文本量削减了约三分之二，并改用文字描述代替数字。当 Jev 陷入死循环时，系统框架被修改为每 6 秒请求一次决策，而非原先的约每秒一次。人工干预也参与其中：观众在聊天区发送提示，其中有效的建议被用来优化 Jev 的选项列表。对 Opus、开发者及观众的依赖，充分展现了决策模型的优势与局限。

Christian Mathiesen（来自 Frigade）完成了基于 Jev 的第二次运行，展示了另一种思路。根据其 README 描述，该场景下的系统框架“读取游戏内存，列出合法选项……并由 Jev 做出选择”，但绝不向游戏内存写入数据。Mathiesen 表示，他最初允许 Jev 直接按键的版本“从未离开过华蓝市”。按他的估算，成本约为“每 24 小时 1 至 1.70 美元”。

另一项《宝可梦 红》实验则采用了不同路径。一位署名为 stmonty 的开发者，在 RTX 3080 Ti 显卡上利用超过 42,000 帧游戏画面训练了一个小型世界模型。据 stmonty 的博客文章记录，从大木研究所的存档开始，该模型在 100 次尝试中有 52 次成功选到了初始宝可梦。与 Jev 相比，这项实验的目标设定与辅助资源都要小得多：stmonty 的模型仅凭截图，就必须自行学习每个输入对应的作用。