Clef
决策模型驱动的贪吃蛇
蛇的每一步移动方向,都由决策模型在真实棋面上判断得出,而非硬编码规则
连接中…
Clef
27B · 标准推理
Clef-Flash
9B · 轻量快速
Clef-Omni
30B · 图文音视频
局面输入
纯文本
纯图像
双向对比
得分
0
长度
3
步数
0
决策次数
0
API 平均响应
—
当前速度
—
决策模型驱动的贪吃蛇
蛇没有内置的寻路算法。每一步它都会把当前棋面交给决策模型,由模型判断往哪个方向走。
局面可以用两种方式提交:
纯文本
(把蛇头、食物、安全方向写成文字)或
纯图像
(把棋盘画成一张图,不带任何安全标注,让模型自己看)。
双向对比
模式下,同一局面会同时以文本和图像各问一次, 用来观察模型究竟是"读懂了棋盘",还是在跟随文字里已经算好的结论。
严格串行
:同一时刻只发一次请求,必须等模型返回后蛇才移动。 因此蛇的速度就等于接口的响应时效——想快也快不了,但每一步都是模型的真实判断。
开始游戏
全自动托管(模型持续接管)
游戏结束
再来一局
键盘
↑↓←→
或
WASD
临时干预方向 · 空格暂停 / 继续 · 手机可直接滑动棋盘
01
模型决策
等待中
游戏开始后,这里会显示模型对 4 个方向的判断概率。
02
提交给模型的局面
(尚未提交)
实际提交的棋盘图 · 未标注任何安全/危险信息
03
运行日志
显示模型决策面板