Komodo Dragon 3.1

By Peter Martan Date 2022-07-30 12:45 Edited 2022-07-30 13:04

Aus doppelt gegebenem Anlass (Frank hat mir eine 5.58- Testversion von Wasp geschickt) mal wieder die aktualisierte Liste mit den altbekannten 128 Stellungen. (Meine Bemühungen um eine neue Version der Suite gehen mittlerweile nicht mehr dahin, mehr gleich gute, sondern gleich viele aber dafür im Schnitt noch schwerere zu nehmen. Weil die dann auch endlich alle die originären Sourcen angeben sollen, wird's noch eine gute Weile dauern, bis es so weit ist.)

In dieser Version sind jetzt auch ein paar MultiPV- runs drinnen bei Engines, bei denen das Vorteil bringt, andere Versuche, bei denen es nicht oder fast nicht so war, gab's auch, die sind aber wieder gelöscht. Die Wasp- Testversion hat einen gewaltigen Sprung um 10 Plätze und 57 Elo gemacht und LC0- CPU überholt.

Dragon 3.1 hat 6 Lösungen mehr und 15 Elo bei einer error bar von 5.

Wieder mal sage ich dazu, dass die Ergebnisse am Ende der Liste weniger statistisch abgesichert sind als weiter oben (mehr,als es die ausgewiesene error bar anzeigt) und dass es nur diejenigen Engines sind, die da überhaupt drinnen bleiben, also die ca. 50 besten überhaupt, wenn man so sagen will. Das ist übrigens der Hauptgrund, warum ich ruhig noch ein bisschen länger bei den Stellungen bleibe, oben wird's eng mit der Zahl der Lösungen relativ zu den ungelösten, aber noch schwerer würde bei dieser Hardware- TC bedeuten, dass die Engines weiter unten noch ungenauer gewertet werden.

Wie immer 30 Threads der 16x3.5GHz CPU und die 3070ti GPU und 15"/Stellung.


    Program                                    Elo   +/-  Matches  Score   Av.Op.   S.Pos.   MST1    MST2   RIndex

  1 HypnoSIccf090622-max.all-25+25-H         : 3617    4   5905    68.3 %   3484   115/128    2.4s    3.7s   0.80
  2 StockfishMZIccf240522Iccf3D25            : 3611    4   5831    67.4 %   3485   112/128    2.5s    4.0s   0.75
  3 ShashChess23-GoldD.-MCTS1-MultiPV8       : 3593    4   5497    64.8 %   3486   106/128    3.1s    5.2s   0.69
  4 ShashChess23-GD-MCTS1                    : 3587    4   5294    63.9 %   3488   101/128    2.9s    5.4s   0.66
  5 BlueMarlin15.2a                          : 3586    5   5229    63.8 %   3488    98/128    2.6s    5.5s   0.71
  6 Crystal060622-Tactical                   : 3586    5   5422    63.8 %   3488    99/128    2.7s    5.5s   0.66
  7 EMAN8.2064-bitAVX2-FAD15                 : 3586    4   5632    64.0 %   3486   109/128    3.8s    5.4s   0.59
  8 CorChess3300522-Tactical                 : 3584    5   5304    63.4 %   3488    98/128    3.0s    5.8s   0.69
  9 TheHuntsman1bmi2-MS                      : 3579    5   5433    62.5 %   3490    93/128    2.4s    5.8s   0.62
 10 Crystal040722                             : 3577    5   5247    62.7 %   3487    96/128    2.6s    5.7s   0.62
 11 ShashChess23-GoldDigger                   : 3573    5   5137    62.0 %   3488    96/128    3.2s    6.1s   0.60
 12 CorChess3110722                           : 3572    5   4975    61.7 %   3489    89/128    2.4s    6.2s   0.64
 13 Swordfish15.3-avx2                        : 3571    5   5090    61.6 %   3489    95/128    3.3s    6.4s   0.61
 14 Stockfish15                               : 3559    5   4884    59.7 %   3491    87/128    3.0s    6.8s   0.58
 15 Ceres0.97RC3-784038                       : 3554    5   4798    58.7 %   3493    79/128    2.3s    7.1s   0.58
 16 Stockfish040722                           : 3553    5   4983    59.0 %   3490    89/128    3.7s    7.2s   0.54
 17 Ceres0.97RC3-ap-mish-2000000              : 3552    5   4882    58.6 %   3492    83/128    3.1s    7.3s   0.55
 18 Kayra1.5bmi2                              : 3549    5   4884    58.3 %   3492    85/128    3.5s    7.4s   0.55
 19 Crystallite1.1a-bmi2-Cmax.                : 3544    5   4914    57.2 %   3494    81/128    3.0s    7.4s   0.43
 20 Lc0v0.30.0-dev-784038                     : 3542    5   4616    56.6 %   3495    75/128    2.7s    7.8s   0.55
 21 Dragon3.1byKomodoChess64-bit              : 3538    5   4702    56.1 %   3496    78/128    3.8s    8.2s   0.50
 22 Lc0v0.30.0-dev-mish-2000000               : 3538    5   4594    56.0 %   3496    74/128    2.7s    7.9s   0.54
 23 Stockfish-MOJO020521-ninu0.3              : 3536    5   4747    56.0 %   3494    80/128    3.8s    8.0s   0.45
 24 Dragon3byKomodoChess64-bit                : 3523    5   4519    53.6 %   3498    72/128    3.8s    8.7s   0.47
 25 chi-chiW                                  : 3504    6   4554    50.5 %   3500    66/128    4.2s    9.4s   0.30
 26 Fire8.NN.MC.3x64avx2-ninu0.3-C100         : 3497    6   4253    49.4 %   3502    58/128    2.7s    9.4s   0.37
 27 Sting28                                   : 3472    7   4266    44.7 %   3508    46/128    2.5s   10.5s   0.25
 28 Dragon3byKomodoChess64bit-MCTS-MultIPV30  : 3468    6   4167    44.6 %   3506    54/128    4.2s   10.5s   0.14
 29 Koivisto8.10                              : 3465    6   3925    43.8 %   3508    47/128    2.9s   10.6s   0.31
 30 Berserk9                                  : 3463    6   3878    43.3 %   3509    49/128    4.2s   10.9s   0.31
 31 SlowChessBlitz2.9avx2                     : 3459    6   3915    42.9 %   3509    47/128    3.9s   10.9s   0.28
 32 Revenge3.0bmi2                            : 3444    6   3765    40.5 %   3511    40/128    2.9s   11.2s   0.30
 33 Dragon3byKomodoChess64-bit-MCTS           : 3443    6   3877    40.3 %   3511    44/128    3.9s   11.2s   0.13
 34 Houdini6.03Prox64-Tactical1               : 3442    6   3968    40.3 %   3510    43/128    4.8s   11.6s   0.19
 35 Rebel15x2                                 : 3426    6   3638    37.5 %   3515    35/128    3.1s   11.7s   0.25
 36 Ethereal13.75                             : 3425    6   3650    37.5 %   3514    36/128    3.7s   11.8s   0.22
 37 RubiChess20220223(bmi2)                   : 3416    6   3728    36.2 %   3514    38/128    5.8s   12.3s   0.17
 38 chi-chiDefault                            : 3408    6   3707    35.0 %   3515    34/128    5.7s   12.5s   0.15
 39 Houdini4Prox64                            : 3403    7   3607    34.0 %   3518    30/128    4.0s   12.4s   0.15
 40 Stockfish1164POPCNT                       : 3398    6   3628    33.4 %   3518    32/128    5.6s   12.7s   0.13
 41 Wasp5.58                                  : 3388    7   3416    31.7 %   3521    26/128    3.6s   12.7s   0.20
 42 Lc0v0.29.0-rc0-CPU                        : 3387    7   3487    31.8 %   3520    24/128    3.1s   12.8s   0.18
 43 Seer2.5.0                                 : 3387    7   3447    31.6 %   3521    27/128    4.6s   12.8s   0.16
 44 ZappaMexicoIIx64                          : 3374    7   3373    29.5 %   3525    20/128    2.2s   13.0s   0.17
 45 DeepHIARCS15.1                            : 3367    7   3385    29.0 %   3523    21/128    4.0s   13.2s   0.13
 46 rofChade3.0BMI2AVX2                       : 3356    6   3347    27.7 %   3523    21/128    5.3s   13.4s   0.11
 47 Fritz15                                   : 3352    7   3335    26.9 %   3525    18/128    4.8s   13.6s   0.13
 48 Fritz17Popcnt                             : 3342    7   3315    25.7 %   3527    15/128    3.8s   13.7s   0.11
 49 Zahak10.0                                 : 3341    6   3254    25.7 %   3526    16/128    3.5s   13.6s   0.12
 50 DeepShredder13x64                         : 3334    7   3296    24.9 %   3526    17/128    6.3s   13.8s   0.08
 51 Wasp5.50                                  : 3331    6   3240    24.4 %   3527    14/128    4.3s   13.8s   0.11

MST1  : Mean solution time (solved positions only)
MST2  : Mean solution time (solved and unsolved positions)
RIndex: Score according to solution time ranking for each position

By Frank Quisinsky Date 2022-07-30 13:49 Edited 2022-07-30 13:53 Upvotes 1

Hallo Peter,

deckt sich gar mit den Testergebnisse von v5.50 zu v5.58.
John will noch einiges ausprobieren, hat ein paar sehr schöne Ideen.

Die betreffen aber so weit ich überblicke eher den Spielstil als Elo.
Nun ja, vielleicht geht ja noch was vor dem Release v6.00.

Zu den letzten Versionen von Igel 3.010, Uralochka 3.37c, Arasan 23.3 und Minic 3.24 sind es zwischen 25 - 45 Elo.
Aber das wäre sicherlich zu viel des Guten ... noch eine Schippe von 20 drauf zu packen wäre schon gigantisch.
Dann hat man dat ganze Engine-Gedöns direkt vor sich und kann von hinten heraus ...

Man darf ja noch träumen dürfen ...

...

Dir vielen Dank für Deinen Test und den Lesern noch ein schönes Wochenende.

Go Wasp go ... bei 3250 angekommen wenn Shredder 13 bei 3125 steht.

Junge, Junge, Junge ....

Gruß
Frank

By Peter Weise Date 2022-07-30 14:06 Upvotes 1

Wow. Wasp nun vor Rofchade!
Glückwunsch an den Autor und an Frank Q. natürlich.

By Frank Quisinsky Date 2022-07-30 16:03 Edited 2022-07-30 16:08

Hi Peter,

ganz ehrlich ...
Ich teile John nur Stats mit oder schreibe ihm wenn er an irgend einer Stelle etwas nachbesssern sollte.
Wie z. B. kürzlich: Durch die höhere Spielstärke aber weniger schnelle Gewinne mehr ... bei der Aggressivität muss John ein wenig nacharbeiten.
Und genau das versucht er gerade.

Er schreibt mir woran er arbeitet so dass ich im Bilde bin.
Im Grunde sind meine Gedankengänge für John nur wichtig, um an irgend welchen Schrauben zu drehen bzw. zu versuchen zu verbessern.
In den letzten 2 Jahren hatte eh Neural Network die absolute Prio.

Also, ich mache wirklich wenig.
Das ist absolut nicht der Rede wert.

Schön ist aber, dass John sehr hellhörig ist wenn mir etwas auffällt.

Glaube er freut sich einfach wenn er mir über eine Verbesserung berichten kann.
Er ist dann genau so euphorisch wie ich.

20 Elo müssen irgendwie noch gehen vor dem Release.
Bin wirklich ein kleiner Treiber ...

Viele Grüße
Frank

By Hauke Lutz Date 2022-07-31 10:01 Upvotes 1

Auf Talkchess steht, dass 3.1 je nach Eröffnungsset 8 oder 20 Elo besser als 3.0 ist.