JumpStar là engine AI cờ nhảy mạnh nhất thế giới
Khởi nguồn
Tôi tạo ra JumpStar cho mẹ tôi. Dự án bắt đầu vào ngày 15 tháng 5 năm 2026 tại Indiana, khi tôi đang giúp bố mẹ chuyển khỏi ngôi nhà nơi chúng tôi lớn lên. Trong lúc thu dọn đồ đạc, chúng tôi tìm thấy bàn cờ nhảy cũ và bắt đầu nhớ lại những lần cả nhà chơi cùng nhau vui đến thế nào.
Sau khi anh trai tôi và tôi đi học đại học, mẹ tôi đã thử tìm các ứng dụng cờ nhảy trên iPhone để có thể tiếp tục chơi một mình, nhưng không ứng dụng nào ra hồn. Với những thành công của AlphaGo và Stockfish, tôi nghĩ chắc chắn phải có nhiều engine AI mã nguồn mở mạnh cho cờ nhảy, nhưng hóa ra là không. Dù phổ biến và tinh tế, cờ nhảy lại nhận được sự quan tâm ít đến bất ngờ từ cộng đồng AI. Chính khoảng trống đó đã thôi thúc tôi xây dựng JumpStar.
Mục tiêu của tôi là tạo ra engine AI siêu phàm đầu tiên cho cờ nhảy. Một đối thủ máy tính mạnh sẽ giúp mẹ tôi tiếp tục chơi ngay cả khi anh trai tôi và tôi không ở gần. Một engine AI siêu phàm thậm chí có thể khám phá ra những mô thức và chiến thuật mới, đẹp đẽ của trò chơi mà chưa nhiều người biết đến.
Đó cũng là lý do dự án được công khai. Một engine mạnh nhưng giữ riêng thì thú vị, nhưng người khác khó đánh giá hay cải thiện nó. Benchmark AI cờ nhảy công khai biến công trình này thành thứ ai cũng có thể kiểm chứng: một bộ luật, một giao thức, một bộ thế cờ, các engine cơ sở, nhật ký ván đấu và một mô hình JumpStar có tên cụ thể để các hệ thống khác thách đấu.
Vì sao AI cờ nhảy lại thú vị
Cờ vua và cờ vây có hàng chục năm nghiên cứu AI công khai phía sau: engine, benchmark, bảng xếp hạng và kho ván đấu dùng chung. Cờ nhảy gần như không có những thứ đó, dù đây đúng là kiểu trò chơi mà AI rất hợp để nghiên cứu. Không có thông tin ẩn, không có may rủi, và cách thắng rất rõ ràng.
Trò chơi cũng phức tạp lên rất nhanh. Với luật hai người của JumpStar, có 14 nước đi đầu hợp lệ, 196 khả năng cho hai nước đầu, và 4.760 khả năng tính đến nước thứ ba. Về sau, các chuỗi nhảy và những làn đường đông đúc khiến nước hay khó nhận ra hơn nhiều so với vẻ đơn giản của luật chơi.
JumpStar là gì
JumpStar là một engine cờ nhảy được huấn luyện bằng tự đấu, xây dựng trên lõi luật/tìm kiếm C++20 gọn nhẹ, một mô hình mạng nơ-ron policy/value và thuật toán tìm kiếm cây Monte Carlo. Checkpoint công khai mạnh nhất của nó, JumpStar_60, hiện là nhà vô địch benchmark CCERL-2P10-v2. Mọi mô hình JumpStar đều được huấn luyện trên một chiếc MacBook M4, chứ không phải trên những cụm GPU khổng lồ đứng sau các engine cờ vua và cờ vây nổi tiếng.
Mục tiêu là trình độ siêu phàm, và tuyên bố này được đưa ra để người khác kiểm chứng. JumpStar trông như đã đạt trình độ siêu phàm hoặc gần như vậy với luật hai người, và CCERL cho phép bất kỳ engine nào trong tương lai thách thức điều đó.
Hệ thống
JumpStar là một hệ thống đầy đủ gồm engine và benchmark, chứ không chỉ là một mô hình đã huấn luyện.
- Luật chơi và tìm kiếm. Một mô hình gọn nhẹ của bàn cờ 121 ô với luật hai người chặt chẽ, sinh nước đi nhanh cho bước đi và chuỗi nhảy nhiều lần, cùng một trình chạy trận đấu. Luật được cố ý viết tường minh để engine không thể thắng bằng cách cắm quân trong một tam giác hay khai thác kẽ hở của trọng tài.
- Huấn luyện tự đấu. JumpStar tự đấu với chính nó, và những ván đó huấn luyện một mô hình policy/value để định hướng vòng tìm kiếm tiếp theo.
JumpStar_60là một mạng512x4có khoảng10.36Mtham số, được huấn luyện trên1.8Mthế cờ đã phân tích lại. - Benchmark công khai. Cờ nhảy chưa có bảng xếp hạng engine công khai nào, nên tôi đã xây dựng
CCERL-2P10-v2song song với JumpStar. Nó quy định luật chơi, giao thức engine, một bộ thế khởi đầu cố định, các engine cơ sở và cách tính điểm xếp hạng, đồng thời công bố mọi nhật ký ván đấu để ai cũng kiểm tra được kết quả.
JumpStar chơi cờ nhảy như thế nào
JumpStar thường không chỉ lo đua. Nó làm chậm đối thủ, giữ những quân chặn hữu ích ở nguyên chỗ, và dựng những thế tam giác chặt chẽ khiến khu giữa bàn cờ khó nhảy qua.
Vì quân cờ không bao giờ bị ăn, một thế phòng thủ có thể tồn tại trong nhiều lượt. Nó có thể lấy mất một đường nhảy, buộc đối thủ phải đi vòng, và câu thời gian để các quân của chính JumpStar về đích.
Mô thức khai cuộc chiến thắng
| # | Người chơi | Kiểu |
|---|
Vòng lặp tìm kiếm và huấn luyện
Nhìn tổng quát, JumpStar đi theo mô hình AlphaZero: tự đấu tạo ra các mục tiêu lượt thăm MCTS, các mục tiêu đó huấn luyện mô hình policy/value, và mô hình mạnh hơn định hướng vòng tìm kiếm tiếp theo.
tự đấu -> mục tiêu lượt thăm MCTS -> huấn luyện policy/value -> tìm kiếm mạnh hơn -> tự đấu
Sức mạnh thực tế đến từ việc làm cho vòng lặp đó đủ rẻ để chạy lặp đi lặp lại: worker tự đấu bằng C++ native, sinh nước đi hiệu quả, đánh giá nút lá theo lô, bảng chuyển vị, tái sử dụng cây con, dữ liệu gọn nhẹ và các bản build phát hành được tinh chỉnh cho phần cứng Apple cá nhân.
Phần lớn sự rút ngắn đó đến từ việc dùng Codex với GPT-5.5 làm cộng sự triển khai và nghiên cứu. Codex giúp đọc hiểu mã nguồn, phân tích điểm nghẽn hiệu năng, viết lại các đoạn mã nóng, phân tích nhật ký huấn luyện, đóng gói các lượt chạy benchmark và giữ cho nhiều hướng thử nghiệm cùng tiến triển một lúc. Những cải thiện quan trọng nhất mang tính thực tế: tăng tốc đáng kể cho tự đấu và đánh giá, giảm khoảng 98% bộ nhớ trong quy trình huấn luyện để công việc vừa với máy cá nhân của tôi, và đủ tự động hóa để tiếp tục cải thiện engine trong khi tôi vẫn làm công việc toàn thời gian là CEO của Edia.
Dự án tiến triển nhanh khác thường vì vòng lặp ấy không chỉ là tự đấu cho mô hình; nó còn là một vòng lặp kỹ thuật lặp đi lặp lại cho cả hệ thống xung quanh. Codex giúp tôi chạy một thử nghiệm, xem xét kiểu lỗi, tối ưu mã, chạy lại benchmark, tóm tắt kết quả và biến câu hỏi tiếp theo thành một bản vá cụ thể. Chu trình phản hồi đó đã nén khối lượng công việc về hạ tầng, công cụ, frontend, benchmark và viết bài, vốn có thể mất hàng tháng, xuống còn khoảng một tuần tính từ lúc tìm thấy bàn cờ đến khi ra mắt công khai.
Số liệu thống kê Codex trên máy cho thấy sơ bộ quy mô của sự hợp tác này. Trên tất cả các luồng dự án hiển thị trong cơ sở dữ liệu trạng thái Codex cục bộ, tổng tokens_used được ghi nhận vào khoảng 559.9M token. Con số này bao gồm ngữ cảnh, đầu ra của công cụ, ảnh hưởng của ngữ cảnh được lưu đệm, phần tính toán suy luận/đầu ra và các luồng công việc chồng lấn, nên chỉ nên xem nó là một chỉ số về quy trình chứ không phải phép đo khoa học về lượng tính toán.
CCERL và benchmark công khai
Cờ nhảy chưa có một bảng xếp hạng engine công khai hoàn thiện như cờ vua và cờ vây, khiến việc đánh giá sức mạnh và tiến bộ của engine trở nên khó khăn. CCERL lấp đầy khoảng trống đó. CCERL là benchmark công khai đầu tiên để đánh giá sức mạnh của các engine AI cờ nhảy. Dựa trên những khái niệm tương tự từ cờ vua và cờ vây, CCERL cung cấp luật cố định, các thế khởi đầu đã được kiểm định, các cặp ván có đổi bên, nhật ký ván đấu có thể tải về và các engine cơ sở công khai.
Dựa trên benchmark CCERL, JumpStar dường như là engine AI cờ nhảy công khai mạnh nhất thế giới với cách biệt rất lớn.
Tôi tin rằng JumpStar đã đạt sức mạnh cờ nhảy gần siêu phàm với bộ luật hai người, chỉ dùng sức tính toán cỡ một chiếc MacBook. Quan trọng hơn, CCERL mang đến cho mọi người đóng góp trong tương lai một mục tiêu: chỉnh sửa JumpStar, xây dựng mô hình mới, chuyển thể một engine có sẵn sát hơn, bổ sung các thế cờ tốt hơn, hoặc gửi một đối thủ thách đấu dưới cùng một trọng tài.
Hướng phát triển
JumpStar không chỉ nhằm là một bot riêng tư. Dự án đang hướng tới trở thành bốn điều:
- Một mô hình AI công khai mạnh mẽ. JumpStar có giấy phép mở, và trang web này miễn phí. Ai cũng có thể đấu với JumpStar hoặc tự mình tìm cách cải thiện nó. JumpStar được huấn luyện hoàn toàn trên một chiếc MacBook M4. Có thêm sức tính toán chắc chắn sẽ cải thiện hiệu năng.
- Hạ tầng benchmark công khai. Cờ vua và cờ vây có những cộng đồng nơi các engine được kiểm tra, so sánh và cải thiện. CCERL mang hạ tầng tương tự đến với cờ nhảy: luật rõ ràng, trận đấu có thể tái lập, nhật ký công khai và một lối đi để người khác xây dựng mô hình của riêng họ.
- Nghiên cứu về chính trò chơi. AI mạnh thay đổi những gì chúng ta có thể nhìn thấy. Tôi muốn hiểu lối chơi hay trông như thế nào, các khai cuộc phát triển ra sao, vì sao bàn cờ đông đúc lại vận hành như vậy, và điều gì xảy ra trong ván ba, bốn và sáu người khi khu giữa bàn cờ trở thành một nút thắt giao thông đầy khả năng.
- Các biến thể nhiều người chơi. Mô hình hai người chỉ là khởi đầu. Những câu hỏi hấp dẫn hơn bắt đầu khi bàn cờ đông hơn: ba người, bốn người, sáu người, những liên minh thay đổi, những con đường bị chặn và những khai cuộc kỳ lạ tự nảy sinh. Tôi muốn tìm hiểu lối chơi mạnh trông như thế nào ở đó, và cả trên những bàn cờ lớn hơn nhiều so với tiêu chuẩn. Những sự phức tạp và mô thức xuất hiện sẽ khiến người ta mê mẩn.
Tôi hy vọng JumpStar sẽ khuyến khích nhiều người hơn nghĩ về cờ nhảy, chơi nó, nghiên cứu nó và xây dựng thêm nhiều thứ xoay quanh nó.