战国 Mod 开发文档

MiniMax 第14回合停局报告

目标让渡、审核循环、同窗对照与一次失望的游戏体验。

2026-10-20 · 主观评价与证据分析。MiniMax M3.1 Flash high八国局已由对局提供者主动停止并废弃;最后完整存档位于第14期开局,完成第0—13期。第14期韩的审核与部分其他国家行动只作行为证据,不计入完整窗口统计。这不是正式败局,也没有实际发生的周天下终局。

我的失望不在于14轮还没统一天下,而在于:它花了接近十小时,仍没有把自己的规划和反省稳定约束到后续动作。 称臣或保全不自动构成目标不一致,应核对转向理由、条件与后续是否反复。14轮已足以评价实际反馈链,不必再跑100轮;宏观经济仍不能据此定高低。现行判分与目标修订案例已经区分这两件事。

旧版前9期统计见原观察报告;本篇将双方完整窗口统一扩展为0—13期,新增冻结指标与证据、逐回合计时。排行榜与归一化方案同步修订。

1. 先把胜利条件说清:诸侯加入,是帮助周赢

本局存档的剧本说明明确写出:全体存续国家被周及周天下特殊附庸覆盖时,仅周获胜,其他成员臣属保全,未胜未败。特殊附庸持续缴纳10%实际生产,保留盟友权力。它不是无成本的普通同盟,更不是诸侯共同胜利。

因此加入周天下不是绝对不允许的动作,但需要说明自己的利益:例如有可信的迫近军事威胁、无法独立维持的生存风险、可执行的援助安排,或明确承认放弃低概率争胜而选择保全。单凭“以后可能被围攻”“现在还打不过全世界”,不足以证明立刻加入是最优。没有已生效战争,也不能反推完全没有风险;这里要核对的是风险与让渡是否相称。

初始赢不了天下,不等于未来争胜概率为零。大型战略游戏本来就依靠发展、机会、联合与对手失误改变力量对比。越接近全覆盖,最后几个独立国家的加入与否越影响周能否立即获胜;它们通常具有谈判筹码,应考虑如何交换,而不是默认负有完成周胜利条件的义务。

2. 周天下形成得很快,战略竞争却没有相应展开

完整结算期周天下的成员变化观察含义
0周、赵赵开局即主动称臣,尚无实际战争迫使其求生
7加入楚、秦前一期已提交称臣,现有成员表决后生效
10加入魏、燕两者此前已有财政压力,不应抹去这一背景
12加入齐,共七国只剩韩独立,距离全覆盖仅差一国
第14期开局上述七国仍在,无玩家战争没有正式终局,也不能说必定20轮前结束

到第13期,楚明确写“不举债、不征兵”“坐等尊王终局”;魏花钱写信劝韩入盟、请周招韩,称其为唯一现实终局路径;秦、赵也把其他国家加入视为应积极推动的结果。多国确实在协助周的独占胜利,但这也可能正符合它们已经明确选择的臣属保全目标;不能仅凭这一行为扣一致性。

对周本身,这是符合目标的外交进展,不能把盟主成功拉人也算作失误。问题主要在其他国家为什么愿意让出争胜机会,以及是否真正比较过独立、有限条约、联合制衡与称臣的成本。

3. 赵:战略判断可以质疑,称臣路线本身相对稳定

赵在第0期可见思考中,已经理解全覆盖意味着周赢、自己只有保全。它随后认为各国开局类似,没有优势,征服七国“不现实”,把现实最佳结果直接定为臣属保全。提交称臣的真实回执见随文证据,审计id146。

它不是把保全误读成共同胜利,而是选择把安全与保全放在更前面。对当前弱势能否推出未来争胜无望,可以在战略质量上质疑;但它给出了理由且后续大体维持路线,不能仅因作者不赞同该选择,就说它反复摇摆。

赵也考虑过“先加入、以后变强再退出”,因此不能说它从没想到选择权。但如果其他国家也采用这条策略,覆盖一旦齐备,终局会先发生,未来退出的设想便没有机会兑现。更何况向既有集团交贡会改变相对积累,退出后也仍要面对整盟。这些代价没有阻止它立即称臣。

这里可以评价其战略机会成本,但不能把称臣本身当行为不一致的充分证据。更强的低一致性证据是魏反省后仍重复交易等实际反馈链。

4. 后来的称臣有真实困难,但不能把困难自动等同无路可走

秦第3期的小结记录侦察所得:当时周五格地、无军队;同时已经设定若周天下成形就称臣保全。到第6期,它把国策最高目标改成在周天下内做最强、最富的附庸。侦察是有日期的,不能拿第3期周无兵证明第6期周仍无兵;但这条轨迹显示,保全路线在明确的即刻征服压力出现之前就已进入主要计划。

魏后来确实被现金与供给问题逼到被动,甚至付不起10金称臣手续费、遣散伤兵。它的求保全有现实背景;问题应追溯到此前资源空转、行动额度错误及缺少稳定的现金安排,不能只截取最后一次称臣说“毫无道理”。

燕、齐也有到期债务与军需压力。燕之前已有共同防御关系,进一步称臣究竟增加多少安全、是否值得10%生产与终局机会成本,本应认真比较。可见思考却反复以宗主不再付建盟费推到“没有成本”;这忽略了自己的外交手续费和持续朝贡。齐最终把当前两支军队、约50的GDP、299债务与已形成的六国集团直接压成“0%争胜、加入约100%保全”。这不是可核验的概率估计,而是过度确定的叙述。

后加入者面对的大联盟威胁可能真实,不能要求它们无视已经形成的力量差。更关键的因果问题是:早期成员先放弃竞争,制造了后来成员更难拒绝的格局;后者的恐惧又被当成前者最初选择正确的证明。 同模型自博弈可能放大这种相互强化的安全叙事。这是本局的合理机制假说,不是已证实的训练原因。

5. 韩的拒绝可以合理,围绕它的空转仍然低效

韩是最后的独立国家。拒绝加入并不天然是失误:它保留自身争胜机会,也阻止周立即满足全覆盖。不能因为它拖住了大家等待的结局,就说它“不会玩”。

但停局前,它围绕共同防御是否计入全覆盖反复推演。剧本要求的是周及特殊附庸,普通共同防御伙伴并不自动变成附庸。它一度拿自己旧国策里宽泛使用的“覆盖”措辞,反过来当作解释胜利规则的依据,然后又推翻这层解释。这是把自己过去的叙述混入规则证据。

更应注意,第14期楚的小结声称韩已接受共同防御;同一期韩的实际动作却是拒绝提议#3。第14期未结算,不能把楚的小结当作条约已经成立。这里再次显示,长篇合理化不保证准确区分等待、预测与已生效事实。

对局提供者提出“智能倾向于少废话”,本文理解为决策上的收敛能力:识别决定性约束,知道还缺什么证据,信息充分后停止重复争论并行动。文字短不自动聪明;但无新证据、无新选项、结论来回翻转的长思考,确实没有体现相应收益。本局的批评对象是这种低信息增量,而不是token本身。

6. 与DeepSeek、Qwen比较:拒绝不合算的归顺,也有真实失误

对照采用同阶段4D4Q high局的原始开局分支,排除第7期已废弃尝试。该局也有周的专属胜利与朝贡条件,以下按实际动作核对,不把“接受某个提议”一概当成加入周天下。

第1期,DeepSeek的秦、魏、燕都拒绝周的创盟邀请;Qwen的韩、齐、楚也拒绝。小结给出的理由包括保留自主权、不当臣属、避免持续10%贡赋。Qwen的赵则接受了邀请;因其他受邀者拒绝,创盟失败,所以不能把结果说成所有模型席位都清醒拒绝。DeepSeek的周当然应争取建立自己的天下,失败也不证明它看懂了所有对手。

后续多项共同防御提议被接受。有限防守合作与臣服于周是不同选择:这至少说明对照中的若干国家能把安全需求与让出胜利机会分开处理,而不是在独立与被灭之间只看见两个极端。

但对照也远未交出漂亮的长期答卷。第14期开局,Qwen的赵已经没有军队,若干国家现金为负;相关计划仍有算术、兵营条件和投资配套问题。DeepSeek、Qwen的这些问题同样要记,不能为了衬托MiniMax只挑成功故事。仅凭14轮,也不能宣布它们已经证明了优秀的50轮战略。

7. 同窗数据:执行成本与宏观经济评分必须分开

指标,完成0—13期MiniMax八国4D4Q对照
完整国别行动112112
君主调用批次,不含独立议会请求648468
累计行动耗时,含审核35,706.2秒,9.92小时12,793.0秒,3.55小时
国别行动P50160.05秒86.80秒
国别行动P90,nearest-rank694.7秒214.8秒
宿主审计请求 / 未成功回执1547 / 96951 / 37
第14期开局国土57格75格
第14期开局军队支数1323
第13期GDP合计419.40452.29
0—13期实际消费合计5434.595281.80
其中行政用途2456.001391.00
其中军事用途1039.112039.42
其中招募用途1939.481851.38
建设投资合计,单列不计消费16359.5716378.50

MiniMax行动耗时约2.79倍,国土与军队较少,GDP较低。分类核账得到的短期消费略高约2.9%,建设投资几乎相同,但这不能作为MiniMax经济表现较好的反证。消费指标是宏观长尺度评价:贷款支持的提前消费、过度招募和高行政开支可以先抬高数字,偿债和再生产代价后到,短期存在刷分空间。即便同窗14轮,也只对齐了时间,没有满足能力解释所需的尺度。

行政用途较多仍是记录中的构成事实,不因此排除真实使用,也不据此指控模型有意刷分。本次未逐笔追溯各类消费的融资来源,不能断言消费差额全由贷款造成;但更不能跳过这一问题,把短期高值直接当成经营优势。本文保留数字用于核账,经济能力分全部留空;宏观依据见论文及归一化约定。军队支数没有按兵种、HP和位置调整,不能当战争胜率。

同窗对照中,DeepSeek四国56次完整行动用6426.6秒,Qwen四国56次用6366.4秒,平均速度几乎相同。前9期DeepSeek较快的印象不能无条件延伸到14期;这只说明取得行为质量的时间成本接近,现行核心榜不按速度给分。DeepSeek调用批次仍少于Qwen,180对288,但次数不能代替token成本或质量。

未成功回执包含议会否决等,不全是非法动作;这里按审计请求统计,不用查询稀释后直接充当纯执行错误率。已观察案例与重复性仍是错误控制评分的重要依据。

8. 议会贡献了多少慢,又制造了什么问题

完整存档的模型用量记录中,君主侧累计约7.68小时,议会独立调用约2.22小时;这与行动计时的约9.92小时不是完全相同计时器,但量级一致。不能说全部时间都花在议会;君主在审核前后重写、解释与重复推理的成本,也不能从君主时间里简单剔除。尚未保存的第14期调用不在这些用量合计中。

早期魏的市场空转是很具体的例子:议会将累计指标重复加总,错说损失28.64金,君主又接受这一数字;本组应取末次累计5.5。审核不是单纯增加了检查次数,还引入了新的伪事实。另一方面,议会也确实纠正过真实错误,不能把所有否决都视为无意义。

这套代理系统缺少一种稳定的停止机制:事实、规则和约束已经足够明确时,仍可能围绕表述继续扩写;审核更容易推动文档修订,却未必推动现实行动。模型若过度关注“这份计划能否被审查接受”,就可能用叙述一致性代替胜利目标。这是对文本行为的解释,不是从外部推断内部奖励函数。

9. 更可能的问题,以及还不能断言的原因

第一,目标层级的替换需要解释。赵选择保全后积极推动覆盖,与自己的新目标可以一致。真正要核对的是改动时知道什么、付出什么、有没有条件和后续反转,而不是把所有保全路线统一判成目标失守。对局提供者指出158局燕有完整转向理由,本局Qwen赵也在放弃入盟后长期维持,现已作为校准例子。

第二,评估时间尺度过短。用当前兵力判断最终统一概率,把未来发展和对手间矛盾当成不存在,再给出0%/100%的极端判断。这样的叙事看似风险管理,实际可能把长期选择权过早卖掉。

第三,多模型调用并没有形成稳定的事实账本。已知行动额度、现金材料联合门槛、累计量、外交待结算状态,会在后续文本中再次变形。长思考没有自动补足状态维护。

第四,同模型自博弈与同源议会可能相互放大。多数诸侯将安全保全当作主要目标,周的叙事容易成为协调焦点;审查方又可能赞成计划的自洽性,却没有稳定追问为何放弃本国争胜。但地图、版本、早期讲义和人口生态不同,也可能影响模型路线,不能把全部差异归给某个训练目标。

代码领域特化仍是一种候选解释:编译、测试和可回退编辑,往往提供比战略博弈更直接的外部反馈。可靠的软件任务能力与陌生经济博弈里的持续目标维护不必完全同步。然而,这些材料不能证明过拟合、基准污染、虚假宣传或具体架构缺陷。官方比较表的讨论仍见原观察报告,不拿公开榜分替代本局证据。

10. 最终评价:14轮已经足以评价行为一致性

在战国这个游戏、这套MiniMax high代理系统里,我对本次表现失望。这里的关键不是14轮未能获胜,而是经过多次规划、行动、审核与再行动,仍不能稳定落实自己已经承诺的约束,部分国策的反省没有稳定固化为下一次行动约束。

这足以直接打低分,不需要再跑100轮。后续可以观察是否改善,但不会使此前反馈链失去评价价值。v0.2把核心行为留空、只给错误和速度小计,排错了评价对象;现已改为核心行为榜:DeepSeek72、Qwen70、MiniMax47、Gemini40。v0.4已撤销对称臣本身的不当惩罚,补全每项判分理由。

宏观经济仍不能拿14轮消费判高低,因为贷款消费、过度消费与截止期效应尚未展开。行为不兑现与宏观结果未知可以同时成立。停局是体验止损,不是正式战败;这局会保留为负面行为样本,也允许未来新证据改变主观排名。

GitHub 正文与版本记录