Awesome Decision Models 是一个社区维护的决策模型（System One 模型）资源清单，收录了托管 API、开源模型、运行时、SDK、应用、评测和论文。其中最出圈的记录是：决策模型 Jev 用约 1.65 美元的 API 花费、37 小时 40 分，自动通关了《精灵宝可梦 红》。本文把清单中"Demo 与游戏"章节的全部 32 个条目，以及散落在模型、推理、应用章节里的游戏 Demo 一并整理成 50 个决策模型游戏与 Demo 的完整清单，帮你快速看懂这个新物种到底能干什么。

先搞懂：决策模型为什么适合玩游戏 🎮

决策模型和聊天大模型最大的区别：它不生成文本，而是对一组"事先声明的答案"直接输出概率。

• 读入一段状态（文本、JSON，部分模型支持图片）；
• 你提前声明问题，有三种形态：Noul（某事为真的概率）、Choice（从给定选项里选一个）、Score（在有序量表上打分）；
• 模型一次前向计算，为每个选项返回概率，零输出 token。

游戏恰好是它的天选场景：棋盘状态是现成的，合法动作就是"选项列表"，每一步一次决策，快、稳、可回放。这也是 TypeSafe AI 在 2026 年 9 月用 Jev 和/v1/systemoneAPI 开创这一类别后，游戏类 Demo 井喷的原因。

1.65 美元通关宝可梦：最著名的一次决策模型实况

清单里有两个宝可梦项目，值得单独看：

• Jev Plays Pokémon Red：程序直接读取 Game Boy 内存并列出合法选项，每一步都由 Jev 选择，用时 37 小时 40 分、16,150 次决策、约 1.65 美元通关——平均每次决策不到 0.0001 美元。
• jev-plays-pokemon-red：基于 PyBoy 的另一版实现，路线和数值运算由代码掌控，Jev 只在分支点做选择，每回合战斗还会用 Brier 分数对照模拟器 RAM 状态检验"濒死预测"的准确性。

两者都收录在 README_zh.md 的"Demo 与游戏"章节，英文条目见 README.md。

经典街机与单机关卡：12 个决策模型游戏清单

如果 PlayJev 的 10 款游戏分开计数，光这一节就已经超过清单总条目的一半。

棋类与策略对决：10 个能上手对战的决策模型项目

• Jev Chess：全网对 Jev 的一盘共享棋，每个合法着法都是一个 Choice 问题，概率给棋子上色，实时校准面板为每一步打分
• Chess with Jev：浏览器国际象棋与 Chess960，代码算出每个合法着法的事实，Jev 每回合以一次 Choice 选一步
• chess-vs-jev：Pygame 国际象棋，支持人 vs 人、人 vs Jev、Jev vs Jev 三种模式
• jev-gomoku：五子棋，还实现了 Jev 对 Jev 自对弈
• sudoku-vs-jev：终端数独，存在必走步时表现稳健，需要猜解时会露馅
• Jev × 2048：把 Jev 当 2048 决策引擎，展示每步的概率分布、置信度、延迟与 token 消耗
• Jev Plays StarCraft：原版星际争霸共享战役的结构化状态框架，带验证跑次和概率轨迹
• Jev × Civilization II：浏览器里跑原版文明 II，Jev 选帝国、城市、科研和单位动作（实验性，尚未验证通关）
• jev-asks-until-sure：二十问游戏，置信度决定何时停止提问，Jev 会断言、含糊其辞，甚至拒绝作答
• Little Airways：玩具群岛空管，Jev 判断备降、紧急、谁先落地，约 150 ms 一次

棋类项目集中展示了一个实用细节：把"规则"和"判断"分离——合法性、胜负判定全部交给确定性代码，决策模型只负责在合法选项里挑一步。这也是整个清单反复出现的工程范式。

创意与交互 Demo：当决策模型开始画画、判读、写剧情

这部分最能体现决策模型"不生成文本也能做出效果"的特点：

• 1 Million Emojis：人人实时共享的 1000 × 1000 emoji 画布，每一笔之后 Jev 用一次 Choice 选定旁边的格子和 emoji
• Jevvie：页面小助手，把页面操作暴露为工具，一次 Choice 判定访客意图，体素角色跳到按钮上执行
• Jev Room：一句话生成六个房间设定，Jev 选、应用渲染
• jev-canvas：语音 + 摄像头手指追踪在画布上绘图，每段实时转写都经过 Jev 决策
• Book Aurora：几十秒读完一整本小说，每段返回九种情绪打分，《弗兰肯斯坦》601 段共 6,010 次判断，约 25 秒、3 美分，可导出海报
• Hollow Creek：村庄 NPC 每个 tick "评判"你（做什么、对你什么感觉），而不是和你聊天
• jev-got：《权力的游戏》角色扮演，故事模型写场景，Jev 回答"他在哪、有多危险、该配什么音乐"
• Jev mood demo：对 NPC 时好时坏，结构化状态持续跟踪心情变化
• TypeSafe Typewriter：打字时 16 条类型化判断实时更新
• Yes / No：免登录 Noul 演示，问一句，得到 yes / no / maybe
• jev-fit：粘贴一个软件想法，Jev 一次调用回答一套固定问题，给出"普通代码 / Jev / 推理型 LLM"的结论和概率
• Jev Guard：评论审核 playground
• TypeSafe AdBlock：Chrome 扩展，Jev 判断候选 DOM 元素并移除疑似广告，BYOK 无后端
• Jevtown：由 10,000 个计算生成的人物组成的小镇，Jev 判断文本适合哪些人、每个人如何反应

模拟器与实时 Agent：落地表现、空管、餐厅服务

• FlightBench：固定翼飞机着陆模拟器与基准测试，可与 Jev 比拼着陆表现，对照人类飞行员、基线与 LLM 控制器
• JevsBistro：确定性 3D 餐厅模拟，重放同一场晚餐服务，对比规则驱动、摄像头辅助和 Jev 规划的服务员
• Jev Drone：MuJoCo 四旋翼，控制和安全留在代码里，Jev 做较慢的战术判断
• Jev Ultrafast：浏览器 Agent，一次请求同时选出操作和 DOM 元素，苏黎世 → 伦敦查机票约 7 秒（收录在"应用"章节）

如何在清单里快速定位这些游戏

• 中文版清单：README_zh.md，"Demo 与游戏"章节从第 246 行开始，共 32 条
• 英文版清单：README.md，章节结构完全对应
• 网页版支持中英切换和条目搜索，由 site/index.html、site/app.js、site/style.css 组成
• 网站每次合并后由 scripts/build_site.py 从两份 README 自动生成，本地可用python3 scripts/build_site.py --strict校验两份清单的一致性
• 想给自己的游戏 Demo 投稿？阅读 CONTRIBUTING.md，核心要求是：真正用到决策模型、一句话说明它做什么以及怎么用的哪个模型

本地跑一个决策模型：三条最省事的路

看完清单想动手试试，清单的"运行时与平台"章节给出了现成方案：

1. Ollama：0.35 版本起在本地提供/v1/systemone，模型库里首批决策模型是nimble和tev1，拉下来即可用
2. llama.cpp：llama-server可服务 Laya、Kev-4B、Clef 等模型，支持图片状态；jevos把 1B 模型量化到 619 MB，纯 CPU 笔记本也能跑，短请求约 54 ms
3. Ollaya：面向决策模型的专用运行时，官方 Python SDK 无需修改即可连接

托管路线则直接用 TypeSafe 的 Jev：问题设计成 Noul / Choice / Score 三种形态，一次请求拿到全部概率，代码只负责阈值判断和动作执行。

写在最后

这份清单的价值不只是"能玩游戏"：37 小时通关宝可梦只花了 1.65 美元，而一次浏览器查票操作只要 7 秒——决策模型真正的卖点是低延迟、低成本、可校准的概率化判断。游戏恰好是最直观的压力测试场：规则确定、胜负可验证、每一步决策都有迹可循。如果你正在评估要不要把决策模型引入自己的产品，不妨先从这个游戏清单入手，感受一次"零输出 token 也能做完一整盘棋"的差别。