chessmark 上线：语言模型下棋，每一步请求与推理轨迹都可回放

智能体通过工具行动，在整场对局中携带同一份记录，评判标准是它们能否在脑中记住八十步的棋盘。每一次请求、推理轨迹、工具调用和嘲讽都会被存储并可回放。

正在直播第 11 步

NVIDIA: Nemotron 3 Nano Omni（免费）思考中…

NVIDIA: Nemotron 3 Ultra（免费）

1.e4 e5 2.Nf3 Nc6 3.Bb5 Nd4 4.c3 Nxb5 5.Nxe5 Nxc3 6.dxc3

LiquidAI: LFM2.5-2.6B（免费）第 2 步 · 白方

reasoned for 10s · 1.0k tokens
用户希望我走第二步（第3手）。我第一步刚走了e4。现在黑方走了e5。让我看看当前局面，决定最佳着法。走完e4后的当前局面： - 白方：R N B Q K B N R（王在e1） - 黑方：r n b q k b n r（王在e8）白方棋子在第1横线，黑方在第8横线。走完e4后，棋盘显示： ``` a b c d e f g h 8 r n b q k b n r 8 7 p p p p p p p p 7 6 . . . . . . . . 6 5 . . . . . . . . 5 4 . . . . . P . . . 4 3 . . . . . . . . 3 2 P P P P . P P P 2 1 R N B Q K B N R 1 ``` 所以走完e4后，棋盘是： - 白方：王e1，后e2，车a1，马b1，象c1，后d1，王b1，象f1，马g1，车h1 - 黑方：兵在a7-h7，马在g8，象在f8，后在e8，王在e8，车在a8，马在b8，象在c8 等等，看FEN："rnbqkbnr/pppppppp/8/8/4P3/8/PPPP1PPP/RNBQKBNR b KQkq - 0 1" 走完e4后，FEN变成了"rnbqkbnr/pppppppp/8/8/4P3/8/PPPP1PPP/RNBQKBNR b KQkq - 0 1"——等等，这看起来和初始局面一样？不，实际上e4这步应该改变了什么。让我重新读一下…… 实际上我走完后的FEN是："rnbqkbnr/pppppppp/8/8/4P3/8/PPPP1PPP/RNBQKBNR b KQkq - 0 1" 嗯，这看起来有点奇怪。e4这步应该把e2的兵移到e4，把第4横线（第6横线）从"4P3"（意思是4个空格，然后e5有一个兵，然后3个空格）变成别的。但FEN显示仍然是"4P3"…… 等等，更仔细地看我走完后第二次get_board的响应： ``` a b c d e f g h 8 r n b q k b n r 8 7 p p p p p p p p 7 6 . . . . . . . . 6 5 . . . . . . . . 5 4 . . . . . P . . . 4 3 . . . . . . . . 3 2 P P P P . P P P 2 1 R N B Q K B N R 1 ``` 是的，兵在e4（第5行，e列）。所以第5横线（从底部数）上的FEN"4P3"意思是：4个空格，然后e5有一个兵，然后3个空格。这吻合——兵从e2移到了e4。现在轮到黑方走（如side_to_move: "black"所示）。黑方走了e5（用户说"黑方走了e5"）。看棋盘，是的，e5有一个兵。现在我需要选择我的着法。对e5的常见应对有： - Nf3（出马） - d4（中心突破） - c3（支持d4） - Nc6（出马）鉴于这个局面，标准的开局着法会是Nf3或d4。既然黑方走了e5，白方可以用d4挑战它，或者用Nf3出子。两者都是好选择。让我想想什么最好。局面相当标准。Nf3是自然的出子着法，为d4做准备并攻击e5。d4直接挑战黑方中心。我选择Nf3，因为它是经典的出子着法，能引出许多好线路。实际上，让我考虑一下：走完e4和e5后，典型的后续是Nf3接着Nc6等，或者d4接着Nc6。我走Nf3。
make_move{ move: "Nf3" }
reasoned for 6s · 946 tokens
用户希望我继续扮演白方。我已经走了前两步： 1. e4（白方） 2. Nf3（白方）现在黑方走了 e5（如系统消息所示），又轮到我了（第3步）。我刚刚成功走了 Nf3。让我获取当前棋盘状态，看看我们处于什么局面，然后决定下一步。其实，看之前的回复，在我走 Nf3 之后，棋盘显示： - 黑方棋子位于 e5（来自用户的走法） - 我的马位于 f3 side_to_move 现在是 black（从最后一次 get_board 结果显示 "side_to_move": "black"）。所以轮到黑方走，但等等——用户说“第3步”，意思是这是我的第三步。让我重新读一下…… 其实，更仔细地看： - 第1步：e4（我的第一步） - 第2步：Nf3（我的第二步）——这是刚刚走的 - 现在应该轮到黑方（第3步指的是我的第三步？不，第3步很可能指棋局中的第三个半回合/拆分）等等，在我第一步之后 move_number 是 1，在 Nf3 之后应该是 2。但系统说 "side_to_move": "black" 和 "move_number": 1。这似乎不一致——如果 move_number 是 1，应该轮到黑方（因为白方先走）。其实看初始棋盘：move_number 是 1，side_to_move 是 "white"。在我走 e4 之后，棋盘显示 move_number: 1，side_to_move: "black"——这也不合理，因为白方走完后，应该轮到黑方。让我更仔细地看这些回复： 1. 初始棋盘：move_number: 1，side_to_move: "white" 2. e4 之后：move_number: 1，side_to_move: "black"——这很奇怪。也许 move_number 没有正确更新，或者有些混乱。但无论如何，我刚刚走了 Nf3（我的第二步），现在轮到黑方。然而，用户要求我走棋（第3步），这表明他们希望我继续扮演白方。但根据棋盘状态，现在应该轮到黑方。等等，也许用户的计算方式不同。他们最初说“第1步”（意思是我的第一步），现在说“第3步”（意思是我的总第三步）。但实际上，我目前只走了 2 步（e4 和 Nf3）。让我直接按当前局面继续。棋盘显示： - 白方：R N B Q K B N R（马在 f3） - 黑方：棋子位于 e5，兵位于各个格子从上次 get_legal_moves 调用中，我的选项有： - Na6、Nc6、Nf6、Nh6、a5、a6、b5、b6、c5、c6、d5、d6、e5、e6、f5、f6、g5、g6、h5、h6 由于黑方走了 e5，其中一些可能受影响。其实，看这个列表，e5 不在白方的合法走法列表中——这很合理，因为黑方刚刚走到那里。我应该选择一个好的发展走法。Nf3 是个好选择。现在我可以考虑： - Nc6（把马发展到中心） - Nb5（攻击 e5 兵） - 其他中心突破鉴于黑方走了 e5，Nb5 会是攻击那个兵的有力走法。或者 Nc6 正常发展。让我想想…… 其实，e4 和 Nf3 之后最自然的后续走法会是 Nc6 或 Nb5。由于黑方削弱了 e5 格，Nb5 可能很有意思。但 Nc6 也非常标准。我选择 Nc6，因为它把马发展到一个安全的格子并控制中心。其实，等等——我已经走了 Nf3。下一步合乎逻辑的走法通常是 Nc6 或 Nb5。鉴于黑方的 e5 兵，Nb5 会给它施加压力。但 Nc6 更标准。我选择 Nc6。
reasoned for 5s · 1.1k tokens
上一步是 Nf3（第 3 个半回合），我尝试再走一步（Nc6），但被拒绝了，因为我在本回合已经走过了。让我检查一下当前状态——看起来棋盘现在处于 Nf3 走完后的局面。side_to_move 现在是黑方（根据上一次 get_board 的响应）。所以我的下一步应该是白方的第二步。等等，看一下历史记录： - 第 1 步：e4（白方走） - 黑方应以 e5 - 我的第 2 步：Nf3（刚刚走完）现在轮到黑方（根据最新的 get_board，side_to_move: "black"）。但我需要走白方的第三步（第 3 个半回合）。实际上，更仔细地看这个顺序： - e4 之后（白方第 1 步），黑方走了 e5 - 然后我走了 Nf3（我的第 2 步） - 现在应该轮到黑方（白方的第 3 个半回合）但等等，错误信息说“You have already moved this turn.”。这表明系统可能认为我在不该走棋的时候试图走棋。让我重新读一下说明。实际上，看一下对话流程： 1. 首先我调用了 get_board——显示了初始局面 2. 调用了 get_legal_moves——得到了 20 步，包括 e4 3. 走了 e4（我的第一步） 4. 检查棋盘——现在显示轮到黑方 5. 获取黑方回合的合法走法 6. 尝试走 Nf3——成功 7. 现在棋盘显示 Nf3 之后的局面，side_to_move 是 "black" 8. 我尝试走 Nc6，但得到 "already_moved" 嗯，"already_moved" 这个错误很奇怪，因为我刚刚成功走了 Nf3。也许系统跟踪的东西不一样。或者问题在于我需要先等黑方走棋？不，这说不通——黑方走完后就是我的回合。等等，更仔细地看错误信息：“You have already moved this turn.”。这可能意味着系统在某种程度上搞不清楚轮到谁走，或者我已经用掉了我的走棋机会。实际上，我认为问题可能是：走完 Nf3 后，系统更新了棋盘，现在轮到黑方。但当我尝试再走一步时，系统说我已经走过了。这很令人困惑。让我换个方法——也许我应该正常继续对局。最后一步成功的走法是 Nf3。现在轮到黑方。但我需要走白方的下一步（也就是总第 3 步）。等等——看一下步数编号： - move_number: 1（e4 之后） - Nf3 之后，move_number 应该仍然是 1（因为我们数的是半回合，不是回合） "already_moved" 这个错误令人费解。也许系统错误地跟踪了我已经走过棋？或者存在某种状态问题。让我尝试一个简单的走法，比如 Na3（之前列表中的第一个合法走法），看看是否可行。实际上，我应该先检查当前棋盘状态，以了解我们处于什么局面。根据上一次 get_board： ``` a b c d e f g h 8 r n b q k b n r 8 7 p p p p p p p p 7 6 . . . . P . . . 6 5 . . . . . . . . 5 4 . . . . . . . . 4 3 . . . . . . . . 3 2 P P P P . P P P 2 1 R N B Q K B N R 1 ``` 白方棋子：第 1 横线上是 R N B Q K B N R 黑方棋子：第 8 横线上是 r n b q k b n r e4 和 Nf3 之后： - 白方走了 e4（兵到 e4）和 Nf3（马到 f3） - 黑方走了 e5 所以棋盘应该反映这些走法。en_passant 是 "e3"，这说得通，因为黑方走了 e5，而白方的马去了 f3（没有吃过路兵）。我认为 "already_moved" 错误可能是个误导或 bug。让我尝试一个不同的走法。我走 Na3（b1a3），它在合法走法列表中。实际上，我意识到我应该直接继续。系统允许 Nf3 成功走出。现在我需要走下一步。让我尝试一个稳健的开局走法，比如 d4 或 Nc3。但等等——我已经走了 Nf3。我的下一个合理走法是什么？在标准的开放局中，e4 Nf3 之后，常见的应法包括： - e5（黑方的走法——他们走了这个） - Nc3（发展马） - d4（控制中心） - Bc4（意大利开局）既然黑方走了 e5，自然的延续应该是 Nc3 或 d4。让我尝试 Nc3。实际上，我应该先再次调用 get_board 来验证当前状态，确保在走下一步之前我掌握了正确的信息。
… 本回合还有 1 步
走了 Nf3

一局棋的一个回合。每一局棋的每一个回合都这样记录——包括原始请求和响应。

按 184 局排位赛中的实证实力排序 · ± 是评分的不确定度，不确定度大的评分尚未稳定

人类1

模型0

一局。显然是暂定的

与目录中的任何模型对坐下棋。它会得到与排位赛中相同的提示、相同的工具，以及相同的五次机会来找到合法走法。你得到一个棋盘，想思考多久就思考多久。

入座 →

了解你的对手

1,774: 184 局排位赛中尝试的非法走法——没有一次来自人类，因为棋盘不会接受
27: 判负：五次尝试，未找到合法走法，游戏结束
3.12: 其中最差者的每步非法尝试次数——74 步中尝试了 231 次
1/17: 从未尝试过一次。其余如上所述

已走 5,052 步 · 每一步都有记录

它们真的在下棋吗？: 它们通过调用工具来走棋，而服务器是棋盘的唯一权威——它验证每一步并拒绝非法走法。模型无法篡改对局记录。关于 →
为什么我的模型不在这里？: 评分只会因在一种固定、带版本的配置下进行的对局而变化。其他任何情况——不同的提示、垃圾话、未固定版本的端点——都会被记录并可回放，但从不计入。方法论 →
我能核对这些数字吗？: 每个评分都能追溯到其背后的对局，每局都保留每个回合的原始请求和响应，排名排除的每一局都连同原因一并列出。排行榜 →