Mica v0.1 4B 模型：零文本生成在 Minecraft 中锻造铁镐
社区开源 4B 模型 Mica 用读取候选指令概率的方式控制 Minecraft 机器人，23 步从空手完成铁镐，单步推…
一个名为 Mica v0.1 的 4B 参数语言模型在真实的 Minecraft 1.20.4 服务器中，从空手状态经 23 步决策完成了「砍树 → 木板 → 合成台 → 木镐 → 石头 → 石镐 → 熔炉 → 铁矿 → 冶炼 → 铁镐」的全流程，全程没有生成任何文本 token。该项目由社区开发者发布，权重已在 Hugging Face 开源，代码与服务器搭建脚本同步在 GitHub 公开。
技术思路：把 LLM 当评分器，而非生成器
Mica 的核心做法与常见的「让大模型输出 JSON 指令再交给执行器」的范式不同。每一步决策时，系统会把机器人当前的实时状态（背包、附近方块、实体、上一步结果）整理成文本描述，并预先生成若干候选指令。然后模型并不去生成自由文本，而是读取这些候选指令对应「答案标签 token」的概率分布，直接挑选概率最高的那一条作为下一步动作。
这意味着 Mica 的输出 token 数量恒为 0，模型的角色被压缩为一个轻量的指令评分器。项目作者在 Reddit 上将这种用法描述为「never generates text」，并把候选指令、打分、最终选择和执行结果一同显示在视频的右侧面板与历史记录中，便于回放核对。
运行表现与硬件门槛
- 端到端决策：从空背包到获得铁镐共 23 步
- 单步推理耗时：约 90–150 ms
- 推理框架：llama.cpp
- 量化方案：Q5_K_M
- 硬件：单卡 RTX 3090
- 执行层：基于 Mindcraft 提供的 Mineflayer 技能库完成行走、挖矿、冶炼等长动作
在演示视频中，长动作（走路、挖矿、冶炼）被做了加速处理，连续失败重试的片段被裁短以压缩时长，但屏幕角落会标注当前播放倍率，HUD 与合成台/熔炉界面是从机器人日志中重新绘制的，并非外部画面覆盖。
资源与可复现性
项目同时提供了权重与代码，方便他人复现或改造：
局限与可关注点
Mica v0.1 是一个 4B 规模的社区项目，演示场景也被限定在「从零到铁镐」这一 Minecraft 早期科技树节点上，能否泛化到更长链条的科技与生存任务尚待验证。把 LLM 当作指令打分器而非文本生成器的思路，虽然显著压低了输出成本与延迟，但也高度依赖候选指令集的质量与覆盖面。对于关注 LLM 智能体、轻量端侧推理或 Minecraft AI benchmark 的开发者来说，这个项目提供了一种值得借鉴的小模型玩法。