如果把神经网络比作棋手，过去的比赛常让“带着整间资料室的人”占便宜。tinybrains.dev 想换一种比法：参赛者提交体积受限的小型神经网络——一种通过训练学习如何行动的计算模型——让它们直接在策略游戏里连续决策、彼此对抗。这样，模型不能只靠做大取胜，还得在有限空间里学会取舍。
据 Hacker News 上的项目作者介绍，竞赛按模型体积分组，公开上限从 nano 的 16 KiB、micro 的 128 KiB，一直到 large 的 64 MiB；另设不限制体积的 open 组，而且每个模型都会同时参加。排名只看游戏表现。换句话说，它测的是模型在特定规则下能不能打好一局，不代表通用智能水平。
作者称，灵感来自自己参加 2011 年 Google Ants AI Challenge 的经历，希望重新营造开发者交流技巧、反复压缩和优化模型的环境。当前赛季仍是 public beta，计划于 2026 年 9 月底结束，之后可能改为每三个月一季。项目尚未披露更具体的赛制与成绩，但它提供了一个少见的公开试验场：把注意力从“模型还能做多大”，转向“这么小的模型究竟能做多好”。