AI 界近日出現一場有趣「打機比賽」——初創公司 TypeSafe AI 推出決策模型（decision model）「Jev」，短短數日內成功在 Game Boy 經典遊戲《寵物小精靈 紅版（Pokémon Red）》爆機，並進入名人堂。有別過往需時數月、以聊天機械人（chatbot）形式挑戰《寵物小精靈》的大型語言模型（LLM），Jev 全程只能從選項清單中作選擇，無法閱讀畫面，亦不會輸出文字或圖像，最終全靠 Anthropic 旗下 Claude Opus 5 在背後擔任「教練」角色才成功過關。

甚麼是 Jev？跟 ChatGPT 有何不同

Jev 是 TypeSafe AI 於 2026 年 9 月 15 日發布首款「System One」模型，由曾參與編寫 ChatGPT 核心訓練方法的前 OpenAI 工程師 Diogo Almeida 主導開發。與一般 LLM 不同，Jev 並非用於生成對話內容，而是專門負責「有限選項下的決策判斷」——輸入文字狀態及一連串是非題，輸出附帶信心值（confidence）結構化答案。官方聲稱回應時間僅 70 至 500 毫秒，比主流前沿模型如 GPT-6 Astra 快 40 至 200 倍，成本亦低至 445 分之一。不過 TypeSafe 亦承認，Jev 不適合處理開放式任務，此類工作仍應交由 LLM 負責。

打機全程直播 474 次修改記錄慘痛教訓

負責這次《寵物小精靈》挑戰的開發者 Andrew Boyd，為 AI Agent 開發平台公司 Standard Agents Inc. 創辦人。他原本在 X 宣布目標為一週內爆機，並將過程於瀏覽器及終端機直播。觀眾可透過 GitHub 帳號登入留言，Jev 則同時擔任玩家及聊天室管理員。

遊戲過程並不順利。項目頁面公開的「harness 修改記錄」顯示總共有 474 次調整，記錄 Jev 各種離奇失誤。例如它一度連續 53 次撞向四天王 Lorelei 已關閉入口、10 分鐘內來回同一條岩石隧道（Rock Tunnel）梯級 124 次，甚至在擊敗全部四天王後敗於冠軍的怪異胞子怪（Alakazam），被迫重新挑戰整個四天王陣容，最終同日內成功擊敗冠軍，於 2026 年 9 月 23 日正式進入名人堂。

It’s finally over! JEV took out his rival BLUE and became Pokemon Champion!

Ok, time to turn off this token sink 😄 https://t.co/OdroVJa4WI pic.twitter.com/m2LQjVuLrS

— Boyd (@0xBOYD) September 23, 2026

Claude Opus 5 幕後調校：減少字數與拉長決策間距

Jev 本身不具備閱讀畫面或撰寫文字能力，全靠 Claude Opus 5 在背後監控遊戲紀錄（game log），間接透過修改選項內容與描述方式，協助 Jev 走出困局。Opus 5 除了為提升準確度作出調整，亦兼顧成本考量：參考 TypeSafe 提供的模型使用筆記，將傳送給 Jev 的文字量削減約三分之二，並以文字描述取代數字；當 Jev 陷入迴圈時，Opus 5 更將決策請求頻率由原本約每秒一次，大幅拉長至每 6 秒一次。直播觀眾亦有貢獻，部分聊天室提示獲採納，用作改良 Jev 選項清單。

另一名來自 Frigade 的開發者 Christian Mathiesen 則以另一套方案運行 Jev，讓模型直接讀取遊戲記憶體並列出合法選項，但不能直接寫入記憶體。他透露首個版本中 Jev 因可直接選擇按鍵操作，結果「從未離開過真新鎮（Pallet Town）」。目前版本每 24 小時運行成本約 1 至 1.7 美元（約港幣 HK$7.8 至 HK$13.3）。同時另一開發者 stmonty 亦嘗試以 RTX 3080 Ti 訓練小型世界模型（world model），利用逾 42,000 張遊戲畫面截圖訓練，但僅能純粹從畫面學習操作邏輯，難度與規模遠不及 Jev。

總結：非 LLM 模型初露鋒芒 或成 AI 協作新方向

Jev 這次「打機」實驗某程度上反映出，專門決策模型配合通用 LLM 協作，有機會在特定任務取得比單一模型更佳效果。作為對比，Anthropic 官方《Claude Plays Pokémon》直播即使使用 Opus 4.5 版本，截至今年 1 月仍未爆機。這次由 Jev 負責「打機」、Claude 負責「編寫規則」的組合做法，證明混合 AI 架構在特定封閉任務（如遊戲）具備一定優勢。未來預計會有更多開發者嘗試結合決策模型與 LLM，應用於機械人控制及自動化流程等場景。