JumpStar 是世界上最强的跳棋 AI 引擎
缘起
JumpStar 是我为妈妈做的。这个项目始于 2026 年 5 月 15 日,当时我正在印第安纳州帮父母搬出我们从小长大的房子。收拾东西时,我们翻出了家里那副旧跳棋,聊起了当年一家人一起下棋有多开心。
我和哥哥去外地上大学后,妈妈曾想找一款 iPhone 跳棋应用,好让自己一个人也能继续玩,可是没有一款像样的。考虑到 AlphaGo 和 Stockfish 的成功,我以为跳棋肯定也有很多强大的开源 AI 引擎,但事实并非如此。尽管跳棋广受欢迎、设计精巧,AI 界对它的关注却出奇地少。正是这个空白,促使我做了 JumpStar。
我的目标是打造第一个超越人类水平的跳棋 AI 引擎。有了一个强大的电脑对手,即使我和哥哥不在身边,妈妈也能继续下棋。一个超越人类的 AI 引擎,甚至可能发现这个游戏中尚未广为人知的、美妙的新棋型和新策略。
这也是这个项目选择公开的原因。一个强大的私有引擎固然有趣,但别人很难评估或改进它。公开的跳棋 AI 基准测试让这项工作变得可以检验:一套规则、一份协议、一组测试局面、若干基线引擎、对局记录,以及一个有名称、可供其他系统挑战的 JumpStar 模型。
为什么跳棋 AI 值得研究
国际象棋和围棋背后有几十年的公开 AI 研究积累:引擎、基准测试、等级分榜单,还有共享的棋谱。跳棋在这方面几乎是空白,尽管它正是 AI 擅长研究的那类游戏。它没有隐藏信息,没有运气成分,胜负条件也很清楚。
而且它很快就会变得复杂。在 JumpStar 的两人规则下,第一步有 14 种合法走法,前两步有 196 种可能,到第三步已有 4,760 种。到了后面,连跳和拥挤的通道会让好棋比规则看上去难找得多。
JumpStar 是什么
JumpStar 是一个通过自我对弈训练的跳棋引擎,由精简的 C++20 规则与搜索核心、神经网络策略/价值模型以及蒙特卡洛树搜索构成。它最强的公开检查点JumpStar_60是目前CCERL-2P10-v2基准测试的冠军。所有 JumpStar 模型都是在一台 MacBook M4 上训练的,而不是靠那些著名国际象棋和围棋引擎背后的大型 GPU 集群。
目标是超越人类的棋力,而且这个说法要经得起检验。在两人规则下,JumpStar 看起来已经达到或接近超越人类的水平,而有了 CCERL,任何未来的引擎都可以来挑战这个结果。
系统构成
JumpStar 是一整套引擎和基准测试,而不只是一个训练好的模型。
- 规则与搜索。精简的 121 孔棋盘模型,严格的两人规则,快速生成走一步和多段连跳的走法,外加一个对局运行器。规则特意写得很明确,这样引擎就没法靠赖在三角里不走或钻裁判程序的空子取胜。
- 自我对弈训练。 JumpStar 自己跟自己下,这些对局用来训练策略/价值模型,再由模型指导下一轮搜索。
JumpStar_60是一个512x4的网络,约有10.36M个参数,训练数据为1.8M个经过重新分析的局面。 - 公开基准测试。跳棋没有公开的引擎排行榜,所以我在开发 JumpStar 的同时搭建了
CCERL-2P10-v2。它规定了规则、引擎协议、一组固定的起始局面、基线引擎和等级分的计算方法,并公开每一盘对局记录,方便大家核查结果。
JumpStar 怎么下跳棋
JumpStar 往往不只是埋头竞速。它会拖慢对手,把有用的拦截棋子留在原处,并搭起紧凑的三角形棋形,让对手很难从棋盘中路跳过去。
由于棋子永远不会被吃掉,一个防守棋形可以维持很多回合。它可以切断对手的跳跃路线,逼对手绕路,为 JumpStar 自己的棋子争取回家的时间。
制胜开局套路
| # | 玩家 | 类型 |
|---|
搜索与训练循环
从整体上看,JumpStar 遵循 AlphaZero 的模式:自我对弈产生 MCTS 访问次数目标,这些目标用来训练策略/价值模型,更强的模型再指导下一轮搜索。
自我对弈 -> MCTS 访问次数目标 -> 策略/价值训练 -> 更强的搜索 -> 自我对弈
实际的棋力来自让这个循环的成本足够低,能够反复运行:原生 C++ 自我对弈进程、高效的走法生成、批量叶节点评估、置换表、子树复用、精简的记录格式,以及针对本地 Apple 硬件优化的发布版构建。
这种压缩很大程度上得益于把搭载 GPT-5.5 的 Codex 当作实现与研究伙伴。Codex 帮助我梳理代码库、分析性能瓶颈、重写热点路径、分析训练日志、打包基准测试任务,并让多条实验线同时推进。最重要的收获都很实际:自我对弈和评估大幅提速,训练流程的内存占用减少了约 98%,让整个工作能在我的本地电脑上跑起来;自动化程度也足够高,让我在担任 Edia CEO 的全职工作之余,仍能持续改进引擎。
这个项目推进得异常迅速,因为这个循环不只是模型的自我对弈,也是围绕它的整个系统的迭代工程循环。有了 Codex,我可以运行一次实验、检查失败的原因、优化代码、重新跑基准测试、总结结果,再把下一个问题变成一个具体的补丁。这个反馈循环把原本可能需要数月的基础设施、工具、前端、基准测试和撰写工作,压缩到了大约一周:从翻出那副旧棋盘到公开发布。
本地 Codex 的统计数据可以大致反映这次协作的规模。在本地 Codex 状态数据库中可见的项目会话里,记录的tokens_used总计约559.9M个 token。这些数字包含上下文、工具输出、缓存上下文的影响、推理/输出的计量以及相互重叠的工作会话,因此应视为一项过程指标,而不是对算力的科学测量。
CCERL 与公开基准测试
跳棋没有像国际象棋和围棋那样成熟的公开引擎排行榜,因此很难评估引擎的强度和进步。CCERL 填补了这个空白。CCERL 是第一个用于评估跳棋 AI 引擎强度的公开基准测试。它借鉴了国际象棋和围棋中的类似做法,提供固定的规则、经过审核的起始局面、交换先后手的成对对局、可下载的对局记录以及公开的基线。
根据 CCERL 基准测试,JumpStar 看起来是目前世界上最强的公开跳棋 AI 引擎,并且领先幅度很大。
我相信,在两人规则下,JumpStar 已经用一台本地 MacBook 级别的算力达到了接近超越人类的跳棋水平。更重要的是,CCERL 为所有未来的贡献者提供了一个目标:修改 JumpStar、构建新模型、更忠实地移植现有引擎、补充更好的测试局面,或者在同一个裁判下提交挑战者。
未来工作
JumpStar 并不打算只做一个私人机器人。这个项目希望成为以下几样东西:
- 一个强大的公开 AI 模型。 JumpStar 采用开放许可,这个网站也完全免费。任何人都可以和 JumpStar 对战,或者亲自尝试改进它。JumpStar 完全是在一台 MacBook M4 上训练的,更多的算力必然会进一步提升它的表现。
- 公开的基准测试基础设施。国际象棋和围棋都有可以测试、比较和改进引擎的社区。CCERL 为跳棋带来了同样的基础设施:清晰的规则、可复现的对局、公开的对局记录,以及让其他人构建自己模型的途径。
- 对游戏本身的研究。强大的 AI 会改变我们能看到的东西。我想弄明白好棋是什么样子、开局如何演变、拥挤的棋盘为什么会呈现出那样的局面,以及在三人、四人和六人对局中,当棋盘中央变成一场充满可能性的“大堵车”时,会发生什么。
- 多人变体。两人模型只是开始。当棋盘变得更拥挤时,更奇妙的问题才真正出现:三人、四人、六人对局,不断变化的联盟,被堵住的路线,以及各种奇特的自然涌现的开局。我想弄清楚在这些对局中,以及在比标准棋盘大得多的棋盘上,强大的下法是什么样子。由此涌现出的复杂性和规律一定会令人着迷。
我希望 JumpStar 能让更多人去思考跳棋、下跳棋、研究跳棋,并围绕它进行创造。