预算

Ants 允许每次适配器求值 1,000,000 次运算。每个已声明输入的适配器各有自己的一百万，所以有两个输入的清单就有两份：上限按每次求值计，而一次调用会对每个输入的适配器求值。这个计数不含推理，而整个调用（你的适配器加上计算图）必须在回合时限内完成。

什么算一次运算

• 求值器访问的每一个表达式节点计 1：一个操作符、一个字面量、程序中写出的数组的每个元素。循环体对它遍历的每个元素都再付一次，求值器跳过的分支不付费。
• 被常量折叠的子树不计费，求值器识别出同一子树出现了两次时也只计一次。两者都是优化，也都可能随版本变化。
• 每个张量操作符还要为它搬运的元素计费，各自的规则见下文。节点在执行之前计费，所以会超出预算的操作符会被拒绝，根本不会运行。
• 集合和字符串操作符按项计费：merge、in、keys、values、entries、sort、distinct、group_by、cat、split 和深度相等比较，每项计一次，字符串则每 64 字节计一次。所以在 reduce 里用 merge 构建的累加器，每一步都要为它复制的每一项付费，开销按平方增长。

{"zeros": [[128, 128], "i8"]} 的开销约为 16,389：操作符本身 1，它生成的元素 16,384，再加上对参数求值的几次（形状数组、其中的两个数字，以及数据类型）。

各操作符的计费

每个操作符在自身的 1 和对参数求值的开销之外，再收取下面的费用。n 是张量参数的元素数，m 是结果的元素数。

平台不保证这些数字。引擎自己的文档写明，运算次数可能随版本变化：新的快速路径或常量折叠会改变引擎实际分派的内容。按实际工作量做预算，在你测得的数字之上留出余量。上限 1,000,000 而用到 990,000 的适配器，离一次判罚只差一个补丁版本。

真实清单的开销

基线的适配器构建七个平面，逐段解读一份真实清单完整讲解了它。2026 年 10 月 1 日，tinybrains adapt 在参考观测上测量了它，覆盖该参考集所取自的五张基础地图。最小、中等和最大地图上的最差情况：

开销随地图的格数变化：每格约 14 次运算，因为七个平面每个都是完整的网格，而 stack 又把七个全读了一遍。蚂蚁、敌人、食物和蚁丘各加几次运算，在取整里就被忽略了。赛季的地图可以从 24 × 24（576 格）到 14,880 格不等，最大的那张花掉预算的五分之一。

超出预算意味着什么

计费一越过预算，节点就立刻停止求值。在审核时这是拒绝，原因为 ADAPTER_OVER_BUDGET；在对局中这是一次判罚，和错过时限一样，累计五次判罚该席位就判负。节点从不重试：同一个适配器在同一份观测上，在任何机器上的开销都相同。

通过审核并不能证明之后的每个回合都在预算内。节点是在真实输入上计数的，残局的回合（更多蚂蚁，视野内更多食物和敌人）可能比任何参考用例都贵。开销随地图变化的适配器（基线的就是这样）保持可预测；循环遍历蚂蚁或可见物体的适配器，开销会随对局推进而增长。

提交前测量

tinybrains adapt model.onnx manifest.json 打印每个参考用例的计费，--obs 则测量你自己的观测。tinybrains check 报告最差情况及其占预算的比例。提交前的测试两者都有讲。

节省开销

• 用 scatter 和 rle_expand 构建平面，绝不要用 JSON 循环逐格构建。
• 每个平面每格约两次运算：构建它一次，stack 读取它一次。去掉计算图用不到的平面，是成本最低的节省办法。
• 读取 vis：它只需一次 rle_expand，而且这门语言无法表达它的推导过程（为什么）。
• 尽量用一个输入而不是多个。每个输入都是一次独立的求值，有自己的一百万，也都要重新读一遍观测。
• 策略头不花你任何开销，因为是裁判来读它。如果你自己写程序把它读回来，就要为每一格的全部五个通道付费：在 128 × 128 上约 82,000 次运算。

在限制的整个范围内测试：120 × 124 的地图格数约是 24 × 24 的 26 倍，开销随地图变化的适配器在它上面的开销也就是那么多倍。