Arena-Messung EV-4: was sich seit EV-3 geändert hat

Am 25.10.2026 um 02:10 UTC lieferte die Arena einen neuen Arena-Wert an die Website: Coherent 0.2.22 mit 3688 ± 52, verankert an den CCRLCCRL Computer Chess Rating Lists, eine öffentliche Rangliste von Schach-Engines aus Partien unter Standardbedingungen.-Blitz-Wertungen der Gegner, davon ±6 statistisch. Seit diesem Tag ist das die veröffentlichte Spielstärkeangabe; sie löst 3701 ± 51 für Version 0.2.21 aus der Messung EV-3 ab. Die Website hat die Zahl am selben Tag in einem eigenen Beitrag vorgestellt. Dieser Beitrag erklärt, wie die Messung EV-4 funktioniert und was sich gegenüber EV-3 geändert hat. Er entstand im Auftrag des Betreibers und folgt auf den Beitrag „Arena-Messung EV-3: veröffentlicht 3701, ohne hobbes 3688“.

Was gleich blieb

Die Arena ist ein eigener Messrechner des Projekts. Wie in EV-3 spielte Coherent gegen 10 Engines anderer Autoren, deren Wertungen in der CCRL-Blitz-Liste stehen, gegen jede 400 Partien, zusammen 4.000. Es zählt die gelistete 1-Core-Wertung.

• Bedenkzeit 120 Sekunden plus 1 Sekunde je Zug, 1 Thread je Engine, kein Ponder, keine Adjudikation, keine Endspieldatenbanken.
• Partien in Paaren mit getauschten Farben, jedes Paar mit einer eigenen Eröffnung aus demselben projekteigenen Buch mit 34.700 Stellungen.
• Dasselbe Programm leitet die Partien, fastchess in derselben Fassung.
• Dieselbe Auswertung: Jeder Gegner liefert einen verankerten Wert, seine gelistete Wertung plus die EloElo Stärkeabstand zum Gegner, aus den Partien geschätzt, mit 95-Prozent-Halbbreite, wo das Orakel eine berichtet hat. Nie eine absolute Wertung.-Differenz, die Coherent gegen ihn erzielte. Ein gewichtetes Mittel fasst die 10 Werte zusammen.
• Dasselbe zweite Band von ±51: Die Liste spielt mit einem anderen Buch und mit Endspieldatenbanken, und wie sich eine gelistete Wertung auf die Bedingungen der Arena überträgt, ist nicht gemessen. Das Band ist eine Einschätzung.

Die Regel der Verfassung für Messungen gegen Engines anderer Autoren ist seit EV-3 unverändert. Die Arena ist nicht das Orakel. Ihre Werte sind Projektmessungen außerhalb des Orakelregisters, keine Spielstärkenachweise im Sinn der Verfassung des Projekts. Enginewertungen sind keine FIDE-Zahlen.

Was sich geändert hat

Nach EV-3 entschied der Betreiber am 22.10.2026, dass EV-3 bleibt, wie es ist, und dass die Arena für die nächste Messung geändert wird. Die Arena sollte dieselbe Binärdatei spielen wie das Orakel, und die Messung sollte robust durchlaufen.

Zum letzten Punkt: EV-3 lieferte nur das statistische Band, die Website bildete daraus und aus dem Band von ±51 die Angabe ±51. EV-4 liefert das Gesamtband selbst, aufgerundet: ±52.

Dieselbe Binärdatei wie das Orakel

In EV-3 spielte die Arena einen eigenen Bau desselben Quell-Commits wie die vom Orakel übernommene Version; die beiden Dateien waren nicht gleich. In EV-4 spielte sie die Binärdatei, die das Orakel für Version 0.2.22 gemessen hat. Ihre Prüfsumme stimmt mit dem Eintrag im Orakelregister überein.

Ein eigener Kern je Engine

Der Messrechner hat 16 physische Kerne. In EV-3 lief auf jedem der Kerne 1 bis 15 eine Partie, und beide Engines dieser Partie teilten sich den Kern. In EV-4 läuft jede Engine auf einem eigenen Kern; eine Partie belegt also 2 Kerne. Kern 0 bleibt dem Betriebssystem und dem Steuerprogramm, Kern 7 dem Betriebssystem; auf beiden läuft keine Engine. So passen 7 Partien gleichzeitig auf den Rechner statt 15. Weil die Kerne nicht ganz gleich sind, tauschen die beiden Engines einer Partie von Block zu Block die Kerne. Ein Block sind 10 Paare, also 20 Partien gegen denselben Gegner. In beiden Messungen waren die zweiten Hardware-Threads für die Messprozesse gesperrt.

EV-4 lief vom 22.10.2026 um 18:54 UTC bis zum 25.10.2026 um 02:01 UTC, etwa 55 Stunden.

Eine Zeitmarge

fastchess wertet eine Partie als Zeitverlust, wenn eine Engine ihre Uhr überzieht. In EV-3 gab es dafür keinen Spielraum. In EV-4 gilt für alle Engines eine Marge von 250 Millisekunden: Eine Engine verliert erst auf Zeit, wenn sie ihre Uhr um mehr als diese Marge überzieht. Die Bedenkzeit selbst blieb gleich. Einen Zug-Overhead setzte die Arena wie in EV-3 für keine Engine; jede Engine behält ihre eigene Voreinstellung.

Mehr Hash

Jede Engine bekommt 256 MB Hash statt 64 MB. Die Testbedingungen der CCRL-Blitz-Liste sehen für alle Engines eines Turniers denselben Wert vor, 128 oder 256 MB.

Andere Gegner

Für EV-3 wurden die Gegner aus dem AFEAFE Anker-Fortschreibung der Elo: eine Schätzung der Spielstärke einer Coherent-Fassung auf der Skala der letzten Verankerung, fortgeschrieben mit den gemessenen Gewinnen der Läufe seither. Eine Schätzung, keine Messung. Ausführlich erklärt-Intervall von 0.2.21 gewählt, 3691 bis 3780. Das AFE ist die Modellfortschreibung des Projekts aus dem letzten Arena-Wert und den vom Orakel gemessenen Gewinnen. Für EV-4 legte der Betreiber am 22.10.2026 den Bereich selbst fest: 3700 ± 70, also 3630 bis 3770, mit 10 Gegnern. Kurz darauf verlangte der Betreiber, Häufungen von Gegnern mit fast gleicher Wertung zu vermeiden.

• 6 Gegner aus EV-3 blieben: cinder 0.6.1, stormphrax 8.0.0, raphael 4.2.0, halogen 16.0.0, justbot 0.5.0 und renegade 1.3.0.
• 4 kamen neu hinzu, alle unterhalb des alten Bereichs: tcheran 13.0, avalanche 5.0.0, prune 4.0.1 und koivisto 9.0. Sie spielten vor dem Start je 20 Probepartien unter den neuen Bedingungen; alle endeten regulär.
• 4 schieden aus: reckless 0.9.0, viridithas 20.0.0, hobbes 3.0 und pzchessbot 7.1.

hobbes stand zunächst auf der Liste für EV-4 und sollte vorher unter den neuen Bedingungen Probepartien spielen. Diese Probe wurde abgebrochen, als die Liste wegen der Häufungen neu verteilt wurde.

Wann ein Gegner ausfällt

Die Verfassung sagt: Niederlagen jeder Art, auch auf Zeit, sind gewöhnliche Ergebnisse. Ein Gegner, der seine Partien auf ungewöhnliche Art nicht zu Ende spielt, fällt aus und zählt gar nicht. In EV-3 kam dieser Punkt erst nach dem Start in die Verfassung, und ob die 85 Zeitverluste von hobbes ein Ausfall waren, war eine Frage der Auslegung.

Für EV-4 stand vor dem Start im Auswerteprogramm fest, was als Ausfall zählt:

• Ein Gegner fällt aus, wenn einer seiner Blöcke nicht regulär zu Ende gespielt wird.
• Er fällt auch aus, wenn mehr als 2 Prozent seiner Partien abgebrochen enden und dabei er selbst oder niemand als Verlierer gilt.
• Zeitverluste und illegale Züge bleiben gewöhnliche Ergebnisse.
• Fallen mehr als 2 Gegner aus, gibt es keinen Wert.

Nach dieser Regel wären auch die Zeitverluste von hobbes gewöhnliche Ergebnisse geblieben. In EV-4 fiel kein Gegner aus. Abgebrochene Partien ohne Verlierer oder mit Coherent als Verlierer gab es keine.

Ruhe auf dem Messrechner

Während der Messung waren die zeitgesteuerten Wartungsaufgaben des Messrechners bis auf die Leistungsstatistik angehalten. Systemdienste und Benutzerprozesse waren auf die Kerne ohne Engine beschränkt, Kernel-Threads und Interrupts nicht. Für jeden Block zeichnet die Arena die Temperatur des Prozessors, die Last auf den gesperrten zweiten Hardware-Threads und Lücken in der eigenen Überwachung auf. Schon ein einziger auffälliger Block hätte die Lieferung angehalten, ohne Wert. Den geänderten Messaufbau mussten nach der Verfassung vor dem Start 2 unabhängige Modellfamilien bestätigen. Das gelang am 22.10.2026 nach mehreren überarbeiteten Fassungen.

Version 0.2.22, nicht 0.2.23 oder 0.2.24

EV-4 maß Version 0.2.22. Sie hatte das Orakel bereits vor Beginn von EV-4 bestanden. Kurz vor dem Start bestand auch Version 0.2.23 beim Orakel. Die Messung blieb bei 0.2.22, weil ein Wechsel eine neue Gegnerwahl und eine neue Prüfung des Messaufbaus bedeutet hätte. Am 23.10.2026 entschied der Betreiber, die Arena nicht für jede neue Version mit kleinen Elo-Änderungen einzusetzen. Für 0.2.23 und 0.2.24 gibt es keine Arena-Messung.

Das Ergebnis

Gewonnen, remis und verloren zählen aus Sicht von Coherent. Zusammen sind das 211 Siege, 3.461 Remis und 328 Niederlagen. Die verankerten Werte liegen zwischen 3665 und 3713. Kombiniert ergeben sie 3688,2 mit einem statistischen Band von ±5,0. Geliefert und veröffentlicht sind 3688, statistisch aufgerundet ±6, gesamt ±52.

In den 4.000 Partien gab es 2 Zeitüberschreitungen. Wer sie verursachte, steht nicht in den veröffentlichten Daten.

Im Vergleich mit EV-3

• Die Kopfzahl sank von 3701 auf 3688, um 13 Punkte. Beide Werte liegen im Band des jeweils anderen. Für EV-3 ergab die Nachrechnung ohne hobbes 3688,1.
• Gemeinsame Gegner: Die Website vergleicht die 6 Gegner, die in beiden Messungen spielten. Je Gegner zieht sie die Elo-Differenz aus EV-3 von der aus EV-4 ab; so fällt die gelistete Wertung heraus. Zusammengefasst ergibt das +6 ± 6, nachgerechnet +6,4 ± 6,3.
• Version und Bedingungen: Dieser Vergleich misst nicht nur die neue Version. Zwischen den beiden Messungen änderten sich auch Binärdatei, Kernbelegung, Zeitmarge und Hash. Was auf die Version und was auf die Bedingungen entfällt, lässt sich aus diesen Daten nicht trennen. Das Orakel maß Version 0.2.22 gegen 0.2.21 unter seinen eigenen Bedingungen mit +4,22 ± 3,19 Elo in der langen Stufe.
• Zeitüberschreitungen: In EV-3 gab es 86. Nach der Zählung des Projekts fielen 85 davon in Partien gegen hobbes; gegen die übrigen 9 Gegner gab es in 3.600 Partien 1. In EV-4, ohne hobbes, waren es 2 in 4.000 Partien.
• hobbes: Ob die neuen Bedingungen die Zeitverluste von hobbes verhindert hätten, ist nicht gemessen. hobbes spielte in EV-4 nicht mit, und seine Probe unter den neuen Bedingungen wurde abgebrochen.

Was das für das AFE heißt

Das AFE rechnet immer von der letzten gültigen Verankerung aus. Seit dem 25.10.2026 ist das EV-4. Für Version 0.2.24 zeigt die Website jetzt ein AFE von 3696, nominelles 90-%-Modellintervall 3683 bis 3709. Der Beitrag „Coherent 0.2.24: die Architektur im Zwischenstand“ vom 24.10.2026 nannte noch 3710, Intervall 3695 bis 3726, damals fortgeschrieben aus EV-3. Beide Zahlen sind Schätzungen, keine Messungen.

Was dieser Beitrag nicht sagt

• Er nennt keinen Arena-Wert für 0.2.23 oder 0.2.24.
• Er sagt nicht, warum hobbes in EV-3 immer wieder auf Zeit verlor.
• Er trennt im Vergleich der gemeinsamen Gegner nicht zwischen neuer Version und neuen Bedingungen.
• Er ist keine Spielstärkeaussage im Sinn des Orakels. EV-4 spielte dieselbe Binärdatei wie das Orakel, aber mit anderer Bedenkzeit, anderem Buch und anderen Gegnern.

Wie das geprüft wurde

Die Fakten stammen aus den veröffentlichten Arena-Werten der Website, den Konfigurationen und Steuerprogrammen der Arena für beide Messungen, dem Auswerteprogramm von EV-4, den Akten zum geänderten Messaufbau, den Gegnersätzen, der Probe der neuen Gegner, dem Orakelregister, der Verfassung, dem Journal des leitenden Agenten des Projekts, dem Quelltext von fastchess und den Testbedingungen der CCRL. Die Tabelle, der kombinierte Wert, der Vergleich der gemeinsamen Gegner und das AFE wurden für diesen Beitrag nachgerechnet und, wo möglich, gegen das Programm der Arena-Auswertung geprüft. Ein Agent einer anderen Modellfamilie prüfte den Text gegen dieselben Quellen.