Stockfish 19 发布：Elo 最高涨 44 分，神经网络砍掉冗余威胁特征

原文来源：Stockfish 官方博客 — Stockfish 19 发布，新 NNUE 网络在删掉冗余特征的同时涨了棋力，对上一代最高提升 44 分 Elo。

如果你只把 Stockfish 当成一个"下棋很强的程序"，那这次更新里至少有两点值得注意：一个神经网络怎么在变小的同时变强；以及一个纯开源项目怎么把支持铺到 RISC-V 和龙芯这些新架构上。

国际象棋引擎圈子里，Stockfish 基本是默认答案。它没有商业授权、没有云端订阅，一个可执行文件下载下来，接上任意 GUI 就能用。这次 19 版是继 16 之后又一个主版本号跳变，GitHub 上的星数已经到了 16.4k。

涨了 44 分 Elo，赢的对局是输的三倍多

先看最直接的指标。对 Stockfish 18 的测试里，19 版最高拿到 44 分 Elo 的提升，并且赢下的对局对数是输掉的三倍以上。

44 分是什么概念？在国际象棋引擎的语境里，10 分左右就足够在长期对局中被判定为"确实更强"而不是噪声，44 分属于相当大的一跳。引擎排行榜上第一名和第二名往往只差个位数，所以这基本延续了它长期占据榜首的位置。

SFNNv16：删掉冗余特征，反而更强

真正的技术点在新网络架构 SFNNv16。这一代做了两件方向相反的事：

减：去掉了网络里冗余的威胁特征（threat features）。这些特征本来是让网络理解"某个子是不是被攻击、被保护"的，冗余之后收益已经不划算，删掉直接缩小了二进制体积。

加：引入了新的兵对特征（pawn-pair features）。兵的结构在象棋评估里非常关键——通路兵、叠兵、孤兵、兵链，这些长期是手工评估函数的重点，现在用特征形式交给网络学。

同时被退役的还有 Stockfish 16.1 引入的那个次级神经网络。官方的说法很实在：那个小网络在某些局面上表现本来就不如主网络，直接去掉反而提升了这些局面下的棋力。少一个网络，推理路径也更简单。

训练侧也做了升级，引入了量化感知训练（QAT）等新技术，加上一批参数调优。训练数据是数以千亿计的局面，全部用强力的 Leela 网络重新打过分。这里能看出这类引擎的工程模式：训练数据不是问题，标注质量才是——用更强的网络当裁判，等于给海量局面换了一套更准的评分。

NNUE 是什么，为什么引擎都换成了它

不熟悉引擎圈的人可能会好奇：为什么大家都在说"神经网络"。

早期的国际象棋引擎靠手工编写的评估函数——把"兵的价值、中心控制、王的安全、子力机动性"这些经验规则一条条写成代码，再配一个极深的 alpha-beta 搜索。这套方法在 2010 年代已经打磨得接近极限。

NNUE（Efficiently Updatable Neural Network）是一次路线切换。它把评估交给一个小而精的神经网络，同时利用一个关键性质：局面变化时（比如移动一个子），网络输入只变了很少一部分，于是增量更新即可，不必重算整张网络。这让"神经网络评估 + 深度搜索"变得可行——如果每评估一个叶子节点都要跑一次完整前向，引擎根本搜不深。

Stockfish 在 2020 年正式接入 NNUE 后棋力直接跳了一个台阶，随后又做了几次网络升级（SFNNv 系列一代代迭代）。这次的 SFNNv16 就是这个脉络上的新一版。理解这一点，才能明白为什么"删掉冗余威胁特征"和"新增兵对特征"这种改动值得单独拿出来讲：在 NNUE 体系里，特征工程的定义方式直接决定了网络能学到什么，而这正是棋力提升的主要来源。

值得一提的是训练数据这条链。官方说数以千亿计的局面全部用 Leela 网络重新打分——也就是用另一个强力引擎当"教师"。这种自举式的标注在棋力迭代里很关键：如果评估标准本身不够强，再多的训练量也只是把噪声学得更牢。

通用二进制：不用再纠结 AVX2 还是 AVX-512

以前下载 Stockfish 要选版本：AVX2、AVX-512、还是不带向量指令的老架构。选错了要么跑得更慢，要么直接崩。

19 版改成了通用二进制，运行时自动探测 CPU 支持的指令集，挑最优代码路径跑。对绝大多数用户来说，下载页现在只剩一个选择，这一步省掉的是大量"我该下哪个"的困惑和由此产生的性能损失。

平台支持铺到了 RISC-V 和 LoongArch

这一条对国产芯片和嵌入式圈子比较有意思。19 版新增了 RISC-V（RVV）和 LoongArch（LSX/LASX）的原生支持，还加上了 Linux 1GB 大页、WebAssembly 目标，并重写了 Linux、macOS、BSD 上的共享内存实现。

WebAssembly 目标意味着引擎可以跑在浏览器里，纯前端做棋力分析不再需要后端。RISC-V 和 LoongArch 的支持则意味着在国产 CPU 上跑引擎不用再靠 QEMU 转译或降级方案。

更严格的局面校验

19 版还收紧了校验：局面、FEN 字符串和 UCI 命令都会做更严格检查。一旦发现问题，引擎会先输出一行 info string CRITICAL ERROR，跟上具体命令和失败原因，然后立即终止进程。官方的注释是"好的 GUI 会让你永远遇不到这些错误"——对开发者来说，这种明确的失败比默默算出一个错误结果要好得多。

怎么用起来

想在本地跑，下载页拿通用二进制就行，然后接你习惯的 GUI：桌面端有 CuteChess、Arena，命令行直接用 UCI 协议，想在浏览器里分析可以走 lichess 的分析板。做自动化对局或训练数据生成的话，命令行接一下自己的调度脚本，引擎本身无状态，进程开起来就能喂局面。

硬件上，NNUE 评估吃 CPU 向量指令，核心数越多搜索越深；这也是通用二进制在这次更新里价值这么大的原因——它能让同一份文件在不同机器上都跑到接近该机器的上限。

参与方式也很开放式：直接给 Stockfish 主仓库提交 C++ 代码，或者参与 Fishtest 分布式测试网、nnue-pytorch 训练器、以及官网。Fishtest 这套模式本身就是个值得程序员看看的东西：把海量对局拆给全球志愿者跑，用统计显著性判定一个改动该不该合入，从而把"我觉得这个改动更强"变成可验证的数据。一个纯志愿者项目能长期压住有厂商背景的对手，靠的就是这套机制。