Outil d'IA

KataGo Review

KataGo est un moteur de Go open-source entraîné par auto-apprentissage qui utilise des réseaux neuronaux profonds et des algorithmes de recherche avancés pour atteindre un niveau de jeu surhumain et fournir une analyse de jeu.

shipped 10 sept. 2026freemium

Domain rating40

Pourquoi c'est important

1Atteint une force surhumaine au Go, capable de vaincre les meilleurs joueurs humains.

2Utilise la recherche arborescente Monte Carlo avec des réseaux neuronaux convolutifs et de transformeurs.

3La version 1.18.1 a été publiée le 24 août 2026, avec un développement continu.

4Prend en charge plusieurs backends matériels, y compris CUDA, ROCm pour les GPU AMD et ONNX Runtime.

À propos de KataGo

Modèle économique

Open Source

Plateformes

Web

Public cible

Go enthusiasts, researchers

GitHubOpen Source

Spécifications

Documentation API

Voir la documentation →

GitHub

Voir le dépôt →

API disponible

Oui, API publique

overview

Qu'est-ce que KataGo ?

KataGo est un programme informatique de Go développé par David Wu qui permet aux joueurs de Go, aux chercheurs et aux développeurs de jouer, d'analyser et de rechercher le jeu de Go en utilisant une IA avancée. Il est entraîné à l'aide d'un processus de type AlphaZero avec de nombreuses améliorations et progresse par auto-apprentissage, atteignant une force surhumaine.

KataGo implémente la recherche arborescente Monte Carlo avec des réseaux neuronaux profonds, s'appuyant sur les techniques utilisées par AlphaGo Zero de DeepMind. Ses fonctions principales incluent jouer au Go à un niveau surhumain, fournir une analyse de jeu complète avec des aperçus coup par coup, des taux de victoire et des estimations de score, et servir d'outil d'entraînement pour les joueurs de Go humains. En tant que projet open-source, son code et ses réseaux neuronaux sont disponibles pour la recherche et le développement, et il est intégré dans les plateformes de Go en ligne et les interfaces graphiques populaires.

features

Fonctionnalités clés de KataGo

KataGo offre un ensemble robuste de fonctionnalités pour les passionnés de Go, les chercheurs et les développeurs, tirant parti des techniques d'IA avancées pour offrir une expérience de Go complète.

Moteur de Go open-source avec code et réseaux neuronaux accessibles au public.
Utilise des réseaux neuronaux profonds, y compris un support récent pour les modèles de transformeurs (v1.17.0).
Emploie des algorithmes avancés de recherche arborescente Monte Carlo pour un jeu optimal.
Entraîné par auto-apprentissage, améliorant continuellement sa force et sa compréhension du Go.
Prend en charge plusieurs tailles de plateau et diverses règles de Go.
Prédit le score et la possession du territoire, offrant une analyse de jeu détaillée au-delà des taux de victoire.
Permet aux utilisateurs de contribuer des cycles GPU pour l'entraînement distribué des réseaux neuronaux.
Fournit une analyse coup par coup, des probabilités de taux de victoire et des conseils de politique pour la révision de jeu.
Prend en charge divers backends matériels, y compris CUDA, ROCm (GPU AMD) et ONNX Runtime.

use cases

Qui devrait utiliser KataGo ?

KataGo est conçu pour un public diversifié au sein de la communauté Go, des joueurs compétitifs aux chercheurs en IA.

Joueurs de Go humains forts : Pour jouer contre une IA surhumaine, s'entraîner et réviser en profondeur les parties afin d'identifier les faiblesses et d'améliorer la stratégie.
Membres de la communauté Computer Go (Contributeurs) : Pour contribuer des ressources informatiques à l'entraînement distribué des réseaux neuronaux, aidant ainsi à développer davantage l'IA.
Chercheurs et passionnés : Pour étudier les techniques d'IA avancées au Go, explorer la théorie des jeux et analyser des positions complexes.
Développeurs : Pour intégrer un moteur de Go puissant dans des plateformes en ligne, des interfaces graphiques (comme Lizzie, Sabaki, KaTrain) ou d'autres applications.
Utilisateurs de sites web de Go en ligne : Pour tirer parti de ses capacités d'analyse sur des plateformes telles que AI Sensei et OGS.

how to use

Comment utiliser KataGo

KataGo peut être utilisé en téléchargeant le logiciel open-source et en l'exécutant localement, ou en y accédant via des plateformes en ligne intégrées et des interfaces utilisateur graphiques.

1Télécharger et installer : Obtenez le logiciel KataGo depuis son dépôt GitHub (https://github.com/lightvector/KataGo) et installez-le sur un système compatible (Windows, Linux, macOS).
2Acquérir des réseaux neuronaux : Téléchargez des modèles de réseaux neuronaux pré-entraînés depuis le site web de KataGo ou les ressources communautaires.
3Intégrer avec une interface graphique : Connectez KataGo à une interface utilisateur graphique (GUI) telle que Lizzie, Sabaki ou KaTrain pour une expérience de jeu et d'analyse interactive.
4Jouer au Go : Démarrez une partie contre KataGo, en sélectionnant la taille de plateau et les paramètres de handicap souhaités.
5Analyser des parties : Chargez un enregistrement de partie de Go (fichier SGF) dans une interface graphique intégrée à KataGo pour recevoir une analyse coup par coup, des graphiques de taux de victoire et des estimations de score.
6Contribuer à l'entraînement : Configurez KataGo pour contribuer des cycles GPU au projet d'entraînement distribué, aidant au développement de réseaux neuronaux plus puissants.

pricing

Tarification et plans KataGo

KataGo fonctionne sur un modèle freemium, son moteur principal et ses réseaux neuronaux étant gratuits et open-source. Les utilisateurs peuvent télécharger et exécuter le logiciel sans frais, et il n'y a pas de niveaux payants pour le moteur lui-même. Certaines intégrations tierces ou services cloud basés sur KataGo peuvent avoir leurs propres structures de prix.

Freemium : Gratuit (moteur principal et réseaux neuronaux)

Pros

+Achieves superhuman Go play, capable of defeating top-level human players.
+Offers advanced analysis features including score estimation, territory prediction, and heatmaps.
+Free and open-source, fostering community involvement and continuous development.
+Supports a wide range of board sizes (7x7 to 50x50) and various Go rulesets.
+Continuously updated with stronger neural networks and performance optimizations, including transformer models and new backends (ROCm, ONNX Runtime).

Cons

−Requires technical setup for local installation and integration with GUIs.
−API is not directly available, limiting programmatic access without custom wrappers.
−Training on user data is opt-in, which may raise privacy considerations for some users.
−Optimal performance often requires dedicated GPU hardware, which may not be accessible to all users.
−While strong, its analysis can sometimes be perceived as having 'bugs' or 'mistakes' by professional human players.

Outils similaires

KataGo vs Concurrents

KataGo occupe une position prééminente dans le paysage de l'IA du Go, souvent comparé à d'autres moteurs de premier plan.

Leela Zero↗

It is an open-source Go engine that replicates DeepMind's AlphaGo Zero algorithm, learning solely through self-play without human knowledge.

While Leela Zero is a very strong engine, KataGo is generally considered to be stronger and offers more advanced features like score estimation beyond just win/loss probabilities.

Minigo↗

Minigo is a minimalist, open-source Go engine modeled after AlphaGo Zero, built using TensorFlow, aiming for a simpler and more accessible implementation.

Minigo offers a more basic implementation compared to KataGo, which includes a wider array of advanced features and optimizations for stronger play and comprehensive game analysis.

Plus sur Stork