斗兽棋在 Mistboard 上有了新的最强电脑。它就是 KataGo-AnimalChess：hzyhhzy 在 lightvector 的 KataGo 基础上开发的 KataGomo，使用 Kouza（lxsgx23）Dandelion 4 的 b10c384 神经网络。我们经 hzyhhzy 许可在这里使用它，名字就叫 KataGo。
KataGo 和 AlphaZero 学国际象棋一样，靠自己和自己下棋学会了斗兽棋。神经网络提出着法、评估局面，搜索再去检验它的想法。没有任何别的引擎教过它。
对 Misty 82 胜 0 负
上线之前，我们让它和我们自己的斗兽棋电脑 Misty 进行了一场公开挑战赛：200 盘，每步 1,000 次访问。hzyhhzy 的引擎赢 82 盘、输 0 盘、和 118 盘，得分率 0.705。每一盘胜局都是走进 Misty 的兽穴取胜，每一盘和棋都是重复局面。
全部 200 盘都收在一个研究里，详情见比赛记录。
两盘胜局，两个引擎各自怎么看
我们用两个引擎按比赛设置，把其中两盘胜局的每个局面重新评估了一遍。每张图只显示一个数：KataGo 的胜率，由两个引擎各判断一次，一次是 KataGo 自己，一次是 Misty。两条线分开的地方，就是两个引擎对谁占优看法不一。和棋算作半胜；Misty 的分数（厘兵）按我们分析棋盘使用的曲线 1 / (1 + e^(−0.00368 × cp)) 换算成胜率。
第 67 盘：多一只狼，却输了
Misty 执红，第 11 回合吃掉一只狼，大半盘都认为自己领先；而 KataGo 的得分先停在 50%，随后一路上升。
第 29 回合 Misty 把困在角落的虎从 g8 走到 g9，KataGo 对自己的得分从 61% 升到 92%，而 Misty 仍认为自己 +111。KataGo 为红方给出的变化从狮 b1-b2 开始，能让红方保持 37%。Misty 到第 36 回合才看出来，晚了七个回合。
第 94 盘：慢慢收紧
Misty 执黑，第 19 回合吃掉一只狼，此后 30 个回合里大部分时间都认为自己领先；而 KataGo 的得分从 50% 慢慢升到 63%。
第 50 回合 Misty 把猫从 c8 走到 c7，KataGo 从 63% 升到 98%。Misty 仍认为自己 +80，两个回合之后才算出必输。KataGo 为黑方给出的变化是象 d6-d7，能让黑方保持 38%。
在这两盘棋中，KataGo 分别比 Misty 早七个回合和两个回合看出胜局。
入门仍从 Misty 开始
KataGo 排在斗兽棋电脑列表的最上面，在 Misty 之上。Misty 仍是默认对手，也是较容易的那一个；想下更难的棋就选 KataGo。斗兽棋的复盘和分析仍由 Misty 负责。
在网站上，KataGo 每步搜索 150 次访问，大约用时 1.5 到 3.5 秒。在这个设置下，它和 Misty 下了 50 盘，19 胜 0 负 31 和，得分率 0.690，与 1,000 次访问的结果分不出差别。它的棋力来自神经网络。
致谢
KataGomo 是开源项目，地址是 github.com/hzyhhzy/KataGomo。感谢 hzyhhzy 提供引擎并允许我们使用，感谢 lightvector 的 KataGo，也感谢 Kouza 的 Dandelion 4 神经网络。