零Token生成的奇迹：Mica v0.1 4B 模型在 Minecraft 中实现复杂任务突破

核心事件

Mica v0.1 4B 模型在真实的 Minecraft 1.20.4 环境中，通过一种完全摒弃传统文本生成的“零 Token 决策”机制，成功完成了从零开始制作铁镐的复杂任务链。

• ▶ 范式转移：从“生成”到“选择” —— Mica 不再通过自回归方式逐字生成指令，而是通过读取候选命令标签的 Logits（对数概率）进行评分，实现了输出 Token 为 0 的高效决策。
• ▶ 小参数量级的降维打击 —— 仅凭 4B 参数规模，Mica 在特定任务上的逻辑严密性超越了依赖长文本推理的大型模型，验证了具身智能（Embodied AI）中“决策引擎”优于“聊天机器人”的趋势。

八卦洞察

Mica 的成功标志着 AI Agent 架构正在经历一场“去生成化”革命。传统 Agent 最大的痛点在于 LLM 容易产生语法幻觉或逻辑漂移，而 Mica 将环境状态（物品栏、坐标、实体）编码为输入，将动作空间限制在预设的候选池中。这种做法本质上是将 LLM 作为一个极其强大的“分类器”或“策略头”使用。在工业级应用中，这种“零 Token”方案不仅极大降低了推理延迟，更彻底解决了指令格式错误导致的任务中断，为自动驾驶、机器人控制等容错率极低的领域提供了新的思路。

行动建议

对于开发者而言，应重新评估“自由文本生成”在 Agent 流程中的必要性。在指令集明确的场景下，建议采用 Logit 评分机制替代常规推理，以获得更高的确定性。对于企业级具身智能研发，应关注 3B-7B 级别模型在特定垂直领域的“策略化”微调，而非盲目追求参数规模，因为在实时交互中，响应速度与动作准确度远比辞藻华丽更重要。