4B 모델로 맨손에서 네더라이트 주괴까지 만들기. 채팅에 문장 하나만 쳤을 뿐인데.

지난번에 만든 마인크래프트 비서는 작업 수행은 가능했는데, 사람이 평소 쓰는 말로 시키는 건 제대로 못 알아먹었거든. 이번에는 그 부분을 해결하려고 파이프라인을 새로 짰는데, 특정 문장 하나에만 맞춘 게 아니라 어떤 요청이든 다 먹히게 만들었어.

영상 보면 플레이어가 "배고파, 돼지고기 3개만 가져오고 네더라이트 주괴도 하나 만들어줘"라고 치거든. 그럼 Mica v0.5 4B가 이걸 읽고, 목표가 뭔지, 수량은 얼마인지 파악한 다음에 맨손 상태부터 시작하는 거야. 나무 캐고, 도구 만들고, 철 캐고, 다이아몬드, 흑요석, 포탈, 네더, 고대 잔해, 금까지 다 캔 다음에 마지막에 네더라이트 주괴까지 딱 만들어. 그러고 나서 돌아와서 아이템을 건네주지. 오른쪽 패널 보면 Mica가 받은 질문이랑, 선택지들, 그리고 각 선택지에 매긴 확률이 다 나와. 마지막에는 플레이어 시점으로 전환해서 아이템 전달받는 모습도 볼 수 있어.

이거 원리가 뭐냐면, 모델이 문장 전체를 한 번에 다 이해하려고 덤비지 않는다는 거야. 요청을 작은 객관식 질문들의 체인으로 쪼개고, 답변 하나하나가 다음 선택지를 좁혀나가는 방식이지. 메시지에 아이템이 몇 개나 들어있는지, "이리로 와" 같은 행동 요청이 있는지부터 파악해. 그다음엔 메시지에 언급된 순서대로 각 아이템을 처리하는 거야. 카테고리가 뭔지(음식, 도구, 광물 등), 하위 카테고리는 뭔지(광물이면 오버월드인지 네더인지), 키워드 매칭 없이 게임 내 아이템 리스트에서 정확히 어떤 아이템인지, 누구한테 줄 건지, 몇 개 필요한지까지 다 정하는 거지. 코드는 게임 데이터에서 선택지만 던져줄 뿐이고, 선택은 전부 Mica가 해. 모든 답변에는 확률값이 따라붙고. 작업하는 동안에는 레시피 플래너가 지금 가능한 행동들을 나열하면 Mica가 다음에 뭘 할지 고르는 식이야.

솔직히 말할게. Mica v0.5 4B가 사람처럼 A부터 Z까지 모든 변수를 다 판단하는 수준은 아직 멀었어. 그래도 뇌 역할은 제대로 해. 영상에서 의미 있는 결정은 거의 다 Mica가 내린 거야. 게임 조작까지 직접 하기엔 아직 좀 버거워서, 봇을 손발로 써서 걷고, 캐고, 제작하는 건 봇이 하게 시켰어. 판단은 대부분 Mica가 하는 거지.

혹시나 오해할까 봐 말하는데, Mica가 화면을 실시간 스트림으로 다 받아들여서 초인적인 속도로 반응하고 어떤 상황이든 다 대처한다고 주장하는 거 아냐. 그런 말은 절대 안 했고, Fable 5.5라도 그건 힘들걸? 내가 보여주고 싶은 건, 4B 모델로도 자연어 요청을 범용적인 결정 단위로 쪼개고, 높은 확률로 정확한 목표를 설정해서 마인크래프트에서 단계별로 합리적인 판단을 내리게 할 수 있다는 거야. 봇이 제대로 일하게 만드는 거지. 나만의 마인크래프트 심부름꾼 만들고 싶으면 이 자연어 처리 부분이 제일 중요하다고 봐.

아, 그리고 내 로컬 GPU가 AMD라서 Mica 최적화 혜택을 거의 못 받았어. 그래서 결정 내리는 속도가 NVIDIA 쓸 때보다 느려. 패널에 나온 결정 시간은 RTX 3090 기준 추정치고, 영상에서는 기다리는 시간 다 잘라냈어.

이런 판단 모델은 마인크래프트 에이전트 말고도 엄청나게 많은 분야에 써먹을 수 있을 거야. 원리는 간단해. 한 번에 해결하기 너무 어려운 문제는 작은 판단 단위로 쪼개서 단계별로 좁혀나가면 돼. 판단을 많이 할수록 정확도는 올라가는 법이니까.

그래서 난 API 전용 결정 모델은 진짜 모델이 넘사벽급이 아닌 이상 별로 추천 안 해. 내가 테스트해보니까 Jev, Clef, Ms Decision 같은 API 전용 모델들이 Mica보다 평균 60배 정도 느리더라고. 초당 내릴 수 있는 판단 횟수에서 엄청난 차이가 나는 거지. 그 정도 성능이 꼭 필요한 거면 그냥 풀 LLM을 쓰는 게 낫지. 그리고 이건 Mica뿐만이 아냐. 수백억 개의 활성 파라미터를 가진 모델이 아닌 이상, 로컬 모델이 API 전용 모델보다 보통 10배 이상은 빠를 거야.