这是什么
一个基准测试，让 Jev（TypeSafe 的 System One 决策模型）与六个通用 LLM 在 Snake 上竞赛。每位玩家有六十秒和独立棋盘；仓库测量每分钟决策数和每分成本。
它怎么用 Jev
Jev 针对 Snake 棋盘状态回答 Choice 问题，返回选项、每个选项的概率和置信度。所选选项即为移动。仓库还用 output_shape.py 探测输出 token 如何随问题形状变化。
用到的原语:choice
值得抄的做法
在问题中固定答案空间，使输出大小恒定且无需解析。
怎么试
python race.py --seed 1 --seconds 60 --lineup jev,haiku,opus,luna,sol,kimi-fast,kimi --out race_seven.jsonl
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角未判定0.46
- 有 System One 用法是0.82
- 处理了不确定性否0.04
- 有实测数据否0.10
- 可直接跑否0.06
- 值得推荐否0.21
- 是模型的复刻否0.10
- 问题普遍性按 0–2 打分0.86
- 与 Jev 相关是0.97
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。