笔记本同时跑《我的世界》和千亿参数大模型：AI 队友会砍树，也会把自己埋进坑里

本地跑大模型和打游戏，向来是一对抢资源的冤家：显存就那么多，模型塞进去了，游戏就得挤一挤。XDA 编辑 Adam Conway 最近做了个有意思的尝试——在一台笔记本上同时运行《我的世界》Java版和一个 1250 亿参数的本地大语言模型，让 AI 以“玩家”身份加入他的存档。结果游戏帧数大部分时间稳在 120 FPS 左右，AI 队友则表现得像个热情但有点迷糊的新手。

一台笔记本，同时扛下游戏和大模型

这次测试用的是搭载英伟达 RTX Spark 平台的 HP OmniBook Ultra 16，这套平台把 20 核 Arm 处理器和 6144 个 CUDA 核心的 Blackwell 显卡放在一起，共享 128GB 统一内存。模型选的是 Qwen 3.8 Flash Next，一个混合专家（MoE）架构的模型，总参数 1250 亿，但每个 token 实际激活的只有大约 60 亿。

模型虽然吃内存，但 128GB 的统一内存池足够让《我的世界》和它并排运行。

另一个细节是，《我的世界》Java版可以在 Windows on Arm 上原生运行，Java 和图形库都有 Arm64 版本，不需要走 x86 转译。整个测试过程中也没有为 GPU 调度做任何特殊设置，两边就这样直接共享显卡资源——好在《我的世界》本身不算吃配置的游戏。

AI 是怎么“玩”起游戏来的

让大模型进入游戏的是开源项目 Mindcraft，它基于 Node.js 的机器人库 Mineflayer。作者把存档对局域网开放，连上 Mindcraft，AI 就会像普通玩家一样出现在世界里，玩家通过游戏内聊天栏和它对话。

分工很清楚：模型负责理解玩家想要什么、决定下一步做什么，再以指令的形式发出来；移动、挖掘、管理物品栏这些具体操作由 Mindcraft 执行。比如作者让它去收集 10 个白桦原木，它先在聊天栏里打出一条采集指令，然后走向最近的白桦树开始砍。

热情，但不太靠谱

实际体验下来，这位 AI 队友会主动打招呼，边干活边汇报进度，闲着的时候还会问接下来做什么。

收集材料是它最拿手的事。砍完白桦树后，作者让它把顺手捡到的树苗也交出来，它回了句“给你”，走过来把 8 棵树苗丢在了脚下。

但翻车也不少。作者一开始误把它设成了创造模式，让它交出白桦原木时，它满口答应要给 10 个，结果物品栏里一个都没有；好在它很快发现问题，改口说“我现在没有，我再去砍一些”。

最离谱的一幕发生在挖泥土的时候：作者让它挖 30 个泥土，它二话不说直接往下挖，把自己困在坑里，喊了一句“我卡住了！”就退出了游戏。几秒后它重新加入，说了句“刚才卡了一下，再试一次”，又继续开挖。

作者指出，这些寻路问题并不怪模型本身，而是 Mineflayer 的寻路系统有缺陷，Mindcraft 内置的防卡死机制会在机器人 20 秒没动时先尝试移开，再失败就重启它。大多数时候，模型其实理解了指令，只是“身体”跟不上“脑子”。

有趣比实用更重要

作者坦言，这个 AI 的聪明程度并没让他惊艳，有几次的表现甚至让人哭笑不得。真正让他意外的是，整个实验都在同一台机器上完成：游戏几乎全程保持 120 FPS，后台一个上千亿参数的模型在不停思考和发指令，所有推理都在本地进行，不依赖任何云端服务。

对经常一个人玩生存模式的玩家来说，一个能聊天、能帮忙砍树挖矿的 AI 伙伴确实很有吸引力，只是现在它更像一个会把自己埋进土里的萌新。如果有一天它真的足够可靠，你愿意让 AI 陪你一起开荒吗？