给一个4B参数的决策模型接上Chrome恐龙游戏，会发生什么？结果有点尴尬：它至今没能突破2000分，倒是刷新了好几项“花式死亡”的个人纪录。

打开网易新闻 查看精彩图片

事情的起点是一次乐观到近乎冲动的尝试。通过Ollama装上一个叫tev1的小型“决策模型”。tev1是Together AI发布的一系列开放权重决策与文本分类模型，灵感来自Jev，提供4B和0.8B两种参数规模，基于Qwen3.5微调而来。

Jev是什么？按素材的说法，它是一种“不聊天、只做选择”的大模型。与输出自由文本的标准对话模型不同，tev1接收结构化的输入状态、一个问题，以及2到24个带标签的选项，返回一个具体的选项选择和概率分布。它只挑一个，像在自助餐前已经决定要吃鱼的人。

把tev1指向恐龙游戏，理由很直接：这台工作电脑的游戏许可只允许Chrome浏览器。而恐龙的工作只有三件事——跳、蹲，或者像个傻瓜一样站着不动。一个只有三种错误答案的任务，交给4B模型似乎正合适。

接下来由Claude用Playwright驱动真实游戏，在每次障碍逼近时把细节喂给tev1：这里一根仙人掌，那里一只翼龙，当前速度多少。它说跳、蹲还是不动，恐龙就照做。如果它对着仙人掌选择蹲下，那就蹲下，并为此付出全部代价。

表现参差不齐。有一次它蹲下躲避一只贴地飞行的翼龙——那恰恰是该跳过去的那种——自信程度堪比喝多了还坚持倒车入库的人。反应时间的改进据说很快会跟上，代码也已公开。

一个能处理2到24个选项的决策模型，面对三选一的恐龙游戏，卡在2000分。这个反差本身，比任何评测报告都直观。