速评：Tiny AI Arena 把观众席先盖好了，选手还没进场。
Show HN 上挂出来的页面，打开是加载状态，帧计数器停在 0/0，状态栏老老实实写着赛前。不是"某某 agent 对阵某某 agent"，是"还没开始"。这个状态本身比它想做的功能有意思。
先把话说清楚——我不觉得这项目有什么问题，周末项目、半成品、壳先上线，这行的常态。我想说的是它露出来的那个优先级顺序：最先做完的，是给围观的人用的那一整套东西。
上一个下一个、自动播放、新开一局；空格切自动播放，Esc 回菜单，M 静音，左右键翻页，Home/End 跳头尾。这不是调试开关，这是影厅的排椅号。你要是真打算在自己机器上跑两个 agent 对着干、看它们的能力，你不需要"自动播放"，也不需要"上一项下一项"——你需要的是一个跑得完不崩的循环，和一份读得下去的 trace。
顺带一个小细节，我盯了很久：声音默认开着。
2026 年了，任何网页默认开声音都是种冒犯，这是共识级别的东西。但放在这个项目里它是自洽的——它默认你不是在后台标签页里挂着，它默认你打开这页就坐下来了，就是要看一场。这个默认值不是疏忽，是设计意图。一个帧数还是 0/0 的项目，优先级排到"观众的耳朵"这一步，挺说明问题的。
它想做的不是对战，是直播。
再看界面上那两块区域，一个 game log，一个 global chat。
同行都懂这是什么意思。两个 agent 对着跑，把原始输出直接打出来，观众看到的是噪声，不是叙事。所以中间必须有一层东西把过程翻成人能读的，log 干这件事；chat 干另一件——让围观的人有事可做，有地方吵。
问题也在这儿。agent 对战这个品类从冒头到现在，一直卡在同一堵墙上：能打的没看头，有看头的不能打。真跑两个前沿模型去干任务，它们大部分时间在做对旁观者毫无意义的收敛；让它们玩一局规则简单、胜负明确的游戏，赢了也没多少信息量，那测的是游戏理解，不是 agent 能力。前三十秒新鲜，第五分钟就走神，这是我看过的所有同类 demo 的共同曲线。
为什么是"对战"而不是"协作"？胜负是唯一不需要解释就能让观众自动站队的东西。协作看不出立场，对战一秒就有立场——这是观赏性设计，不是能力评测设计。所以 log 加 chat 这套配置，某种程度上等于作者自己也认了：光有对战撑不住场子，得配解说和看台。
这就带出一个我不太愿意说、但绕不过去的问题——当一个 arena 的核心卖点变成了它自己写的那层翻译，它在"比较能力"这件事上的价值就基本归零了。你在看的是这层转述写得好不好，不是两个 agent 谁更能打。转述层越漂亮，越盖住了底下根本没有可比性这个事实。
（喘口气。上面这段写得有点狠，我往回收半格。）
说句公道话，"观赏层才是产品"这件事本身不算错，甚至可能是对的。真能把这层做出来——把 agent 的中间决策拧成一条观众跟得上的线索，像解说把一盘棋讲成人话——那这是个新东西，不是又一个跑分玩具。我见过太多同类项目死在哪：没人愿意做这层脏活，直接把原始输出甩出来让观众自己啃。这个项目至少知道脏活在哪儿。
但"知道脏活在哪儿"和"把脏活干完"，中间隔的距离比从 0/0 到 1/0 远得多。
还有个事得记一笔：页面没有作者名，没有发布时间，也没有评论。我不去猜原因——传闻阶段先按住，这规矩我自己立的。但这个信息真空摆在一个已经把播放器控件、声音开关、聊天区全做齐的页面上，画面感挺强：台子搭得平平整整，灯都亮了，节目单没贴。
全网看到"arena"三个字就默认这是个评测工具，真的吗？我看未必，至少这个不像。
这里立个 flag：一个月之内，如果这项目接上了真 agent 并且还在更，那 log 那一层的质量就是我唯一想看的指标，帧数、模型名、谁赢谁输都是次要的。如果接不上，或者接上了但没人回来打第二轮，那就是又一个把观众席当产品的周末 demo——这种我见得太多，多一个不多。
到时候回来收。