Mica v0.1 4B：不生成一个token，如何在真实Minecraft中造出铁镐

一个只有40亿参数的模型，在真实的Minecraft 1.20.4服务器里从空背包一路做到铁镐，全程没有生成过一个文本token。这个名为Mica v0.1 4B的项目在Reddit上引发讨论，因为它展示了一种与主流「让大模型输出动作文本」截然不同的智能体控制思路。

核心机制：把决策变成打分，而非生成

大多数游戏智能体的做法是让语言模型"说话"——输出下一步要执行的命令文本，再由解析器转换成游戏操作。Mica走的是另一条路。

它的每一步都遵循同一个循环：先把机器人的实时游戏状态（背包物品、附近方块、周围实体、上一步执行结果）转写成文本；然后Mica对一组候选命令进行评分，选出下一个动作；最后由Mindcraft的技能库（基于Mineflayer的机器人框架）在游戏中执行选中的命令。

关键在于评分环节。Mica从不生成文本，而是直接读取答案标签token的概率值，据此对候选命令排序并挑选最优项。换句话说，模型的输出token数是0——它不写字，只算概率。这种"分类式"而非"生成式"的决策方式，把一个开放式生成问题压缩成了一个受约束的选择问题。

直接读取token概率的技术背景值得展开。语言模型在推理时，对词汇表中每个token都会输出一个logit值，经softmax归一化后即为概率分布。Mica利用的正是这一层：给定当前状态描述作为prompt，模型被要求"选择下一个命令"，但并不真正解码生成完整文本——而是直接提取预设候选命令对应token（即"答案标签"）的概率值，以此排序。这类方法有时被称为"受限解码"或"分类式推理"（classification-style inference），在意图分类、选择题评测等场景中已有应用，但用于游戏智能体的实时动作选择仍属小众路径。其核心优势在于：候选动作集是封闭的，不存在模型输出格式错误或幻觉式命令；同时由于只需一次前向传播读取特定token的logit，而非自回归逐步生成，推理开销大幅降低。

23步造出铁镐的完整链路

项目作者给出了一段完整的运行记录：从空背包出发，Mica用23次决策完成了从零到铁镐的全部工序。

这条链路完整覆盖了Minecraft早期发展的标准路径：砍原木、合成木板、制作工作台、做出木镐、挖石头、升级石镐、造熔炉、采铁矿、冶炼、最终打造铁镐。对熟悉游戏的人来说，这是一套需要正确排序、且每一步都依赖前一步产出的工序链——任何一步选错都可能让整个流程卡住。

模型能在23步内稳定跑通，说明它在状态理解和工序规划上具备实用级别的可靠性，而非偶然成功。

性能表现：单卡实时决策

运行环境的数据同样值得关注。Mica基于llama.cpp运行，采用Q5_K_M量化，硬件为一张RTX 3090。

在这套配置下，每次决策耗时约90到150毫秒。这个延迟意味着智能体可以近乎实时地响应游戏状态变化，而不需要动辄数秒的推理等待。对于需要连续决策的实时游戏环境，这样的响应速度是能否实际可用的分水岭。

值得强调的是，40亿参数加上量化后，整套系统在消费级显卡上就能跑起来，而不是依赖大规模集群。这降低了复现和二次开发的门槛。

Q5_K_M是GGUF格式下的一种混合量化方案，由llama.cpp项目引入。它对不同层的权重采用不同精度（部分用5-bit、部分用更低精度），在压缩显存占用的同时尽量保留模型精度，通常被认为是质量与体积的较优折中点。以4B参数模型为例，FP16全精度约需8GB显存，而Q5_K_M可将其压缩至约3GB左右，使其能轻松容纳在消费级显卡中。llama.cpp本身是一个纯C/C++推理框架，针对CPU和GPU混合推理做了大量优化，也是目前本地部署开源模型最主流的工具链之一。两者结合使得Mica的整套系统无需依赖CUDA大规模并行集群，普通游戏PC即可运行。

可视化：每一步决策都透明可查

作者附带的演示视频在呈现上做了不少工作。右侧面板会实时展示每一次决策的全过程：候选命令有哪些、Mica给出的概率分布、最终选择、以及执行结果。每一步同时被记录在历史信息流中。

视频对长动作（如行走、挖矿、冶炼）做了加速处理并在画面上标注倍速，连续重试的片段也在剪辑中被压缩。HUD界面与合成台、熔炉的画面则是根据机器人记录的背包状态绘制的。

这种透明化的展示方式，让观察者能够直观理解模型"为什么这么选"，而不是只看到一个黑箱输出结果，对于评估智能体决策质量很有帮助。

意义与开放资源

Mica的思路提供了一个有价值的参考：对于动作空间相对有限、可以枚举候选项的任务，用概率打分替代文本生成，既能降低推理开销，又能避免生成式输出的格式错误与幻觉问题。这对构建轻量、可靠的游戏智能体或工具调用系统都有借鉴意义。

作为v0.1版本，它仍处于早期阶段，23步的单次演示还不足以证明模型在更复杂、更长周期任务上的鲁棒性。但作者已开放了模型权重与完整代码：

• 模型权重：Hugging Face上的 sky7350/Mica-v0.1-4B
• 代码与服务器：GitHub上的 akivet/Mica-v0.1-4B

开源意味着社区可以直接验证这套"零token生成"的决策范式在其他任务上的可迁移性，这或许比一次成功的Minecraft演示本身更有价值。

Mineflayer是一个基于Node.js的Minecraft机器人开发框架，提供对游戏协议的底层封装，支持移动、挖掘、合成、交互等操作的API调用。Mindcraft则在Mineflayer之上构建了更高层的"技能库"（skill library），将常见游戏任务（如"砍树""合成木板""前往坐标"）封装成可直接调用的函数。Mica选择的候选命令实际上就是这些预定义技能，而非底层原子操作。这种分层架构意味着Mica的决策层只需在有限的高层技能集上做选择，大幅降低了动作空间复杂度，也是其能以零token生成完成长工序链的前提之一。理解这一点有助于判断该方法的适用边界：动作空间越封闭、越结构化，打分替代生成的优势越明显；反之，若任务需要开放式规划或生成新技能，则此范式的局限性会显现。