GLM 5.3 Flash 在本地4x RTX PRO 6000 WS上打造黑洞Minecraft模组
摘要
一位用户展示了使用GLM 5.3 Flash——一个在4x RTX PRO 6000硬件上运行的本地AI模型——通过Fabric API迭代开发Minecraft黑洞步枪模组,最终生成了一个功能齐全且视觉效果惊人的模组,并在GitHub上分享。
前几天看到一个帖子,有人说Minecraft克隆游戏不再令人印象深刻了,因为到这个时候,整个东西可能都在训练数据里了。所以我尝试了一些不同的东西,就是让一个本地模型为真实游戏编写模组,使用Fabric API。这个模型是GLM 5.3 Flash(Q4量化,在租用的4x RTX PRO 6000机器上运行)。这不是通过提示或循环完成的,我会请求更改,然后审查它们,就这样继续下去,直到我对结果满意为止。第一次迭代花了大约一个小时左右,结果有点令人失望,黑洞会生成,但它很小,几乎没有造成结构性损害。在那之后,我给它提供了一些参考图像(太空中的黑洞、闪电和效果示例)。新结果看起来更好,但我仍然希望它更有冲击力(并且决定让它成为黑洞枪,而不仅仅是黑洞物品)。花了大量回合才得到最终结果。输出令牌7.6M,耗时约9小时,平均解码速度约96 tok/s。该模组添加了一把黑洞步枪,射击时生成黑洞,开始吸收方块,并有一些相当酷的视觉效果(光圈一直缩小进入黑洞,以及黑洞本身),之后变成一个巨大的爆炸弹坑,清除相当多的区块。你可以在这里获取模组:在github上。我在atomic.chat上运行本地模型(我是Atomic团队的,欢迎任何反馈)。好奇人们还让本地模型在游戏中添加了什么模组,一定要在评论中分享。
相似文章
GLM 5.3 与 GLM 5.3 Flash 在 RTX PRO 6000 WS 上本地运行,并通过 BlenderMCP 构建顶层公寓
作者在 RTX PRO 6000 WS 硬件上本地运行 GLM 5.3 与 GLM 5.3 Flash 模型,并借助 BlenderMCP 在 Blender 中创建了一个3D顶层公寓场景,对比了两者的表现与准确性。
@TheAhmadOsman: GLM 5.3 Flash 和 Qwen 3.8 Flash Next 是本地AI进步的绝佳范例,这是一个积极的时间线
这条推文探讨了本地AI的进展,强调了像GLM 5.3 Flash和Qwen 3.8 Flash Next这样的模型现在能够在单个GPU上运行,从而改善了对硬件的要求。
GLM5.2 在 5 块 Pro 6000 和一块 5090 上的昂贵旅程
一篇关于在 5 块 AMD Radeon Pro 6000 GPU 和一块 NVIDIA RTX 5090 上运行 GLM5.2 语言模型的报告,详细介绍了高昂的成本和技术挑战。
昨天在我的3090上跑了gemma 4 12b,我觉得本地模型领域已经变了
一位用户报告称,通过GGUF量化在单张RTX 3090上本地运行了谷歌的Gemma 4 12B模型,发现其性能强劲,包括真实的256k上下文、多模态能力以及函数调用功能,在编码任务上甚至优于更大的70B模型。
在仅有CPU的情况下本地运行GLM-5.2!(穷人的大型模型方案)
一位用户仅用CPU在本地运行GLM-5.2,演示如何在简陋的配置上运行大型模型。