Как запустить локальную LLM на 125B и Minecraft на одном ПК без просадки FPS

Запуск крупной локальной языковой модели и требовательной игры на одном компьютере обычно приводит к нехватке видеопамяти и падению производительности. Однако современное аппаратное обеспечение открывает новые возможности: в материале описан эксперимент, в ходе которого удалось запустить Minecraft с локальной LLM на 125B на одном ноутбуке, сохранив стабильные 120 кадров в секунду.

Подобные тесты демонстрируют, как унифицированная память и современные графические архитектуры справляются с одновременной нагрузкой от нейросетей и игровых приложений без использования облачных API.

Особенности аппаратной платформы и выбор модели

Для проведения эксперимента использовался ноутбук HP OmniBook Ultra 16 на базе процессора с архитектурой Arm и графического чипа Blackwell от Nvidia, оснащенный 128 ГБ унифицированной памяти. В качестве искусственного интеллекта была задействована модель Qwen 3.8 Flash Next — это решение класса Mixture-of-Experts с общим объемом в 125 миллиардов параметров, из которых для каждого токена активно лишь около 6 миллиардов.

Благодаря внушительному объему единой памяти аппаратной платформы, модель и игра смогли делить ресурсы одного устройства. При этом сама игра Minecraft запускалась на Windows для Arm в нативном варианте, задействуя сборки Java и графические библиотеки для архитектуры Arm64 без необходимости применения эмуляции x86. Настройки планировщика графического процессора не потребовали специальных вмешательств: несмотря на отсутствие поддержки технологии CUDA in Graphics для данной аппаратной конфигурации, одновременный запуск локального сервера llama.cpp и игрового клиента прошел успешно.

Интеграция искусственного интеллекта в игровой процесс через Mindcraft

Управление игровым ботом осуществлялось с помощью открытого проекта Mindcraft, созданного на базе Node.js-библиотеки Mineflayer. Данная утилита подключается к локальному миру по протоколу LAN как обычный участник, позволяя отдавать команды через встроенный внутриигровой чат.

Настройка подключения и инструменты бота

Соединение настраивалось путем открытия мира Minecraft по LAN на фиксированном порту с последующим запуском основного скрипта. Проект Mindcraft взаимодействует с сервером llama.cpp через OpenAI-совместимый API с настраиваемым адресом. В состав инструментария входит веб-панель для мониторинга состояния персонажа, его координат и инвентаря.

Специальная функция визуального восприятия позволяет боту делать снимки экрана от собственного лица с помощью команды вроде !lookAtPlayer и отправлять их модели для анализа обстановки. Также предусмотрены готовые шаблоны задач — от сбора древесины до возведения построек по чертежам, которые служат для проверки работоспособности системы.

Поведение бота и выполнение задач в игре

После подключения к серверу модель генерирует уникальные приветствия и комментирует свои действия. В ходе тестирования бот успешно справлялся со сбором базовых ресурсов, таких как березовые логи или саженцы, транслируя команды в чат в виде специальных строчек вроде !collectBlocks(“birch_log”, 10).

Тем не менее, в процессе работы возникали и забавные казусы. Например, при попытке добыть землю бот выкопал глубокую яму и застрял, после чего сработал встроенный механизм защиты от застревания, приведший к временному отключению персонажа и его последующему перезапуску. Подобные навигационные ошибки обусловлены особенностями алгоритмов поиска пути в Mineflayer, а не ограничениями самой языковой модели.

Результаты производительности

Главным итогом испытания стало то, что вся вычислительная нагрузка легла на одну машину без обращения к облачным серверам. За счет 128 ГБ доступной памяти разработчикам не пришлось уменьшать объем модели ради запуска игры.

На протяжении большей части сеанса кадровая частота Minecraft удерживалась на отметке около 120 FPS, несмотря на фоновую генерацию ответов массивной нейросетью. Хотя автономный помощник иногда путался в инвентаре или ошибался при выполнении сложных инструкций, эксперимент доказал техническую жизнеспособность подобных конфигураций на ПК нового поколения.