这是什么

用 30 美元租显卡、4B（40 亿）参数的 Mica 模型，在三组方块测试里把对照模型甩开约 4 倍——这不只是游戏成绩，是「越大越好」叙事开始松动的最新信号。

开发者把 Mica 的权重和代码全部开源。值得说明的是，Mica 不写文字：输入一次直接输出每个可能动作的概率，从中挑选——可以理解为「专门做决策的小模型」。对比实验简单：让 Mica 和另一款 4B 模型 Kev 玩同样的俄罗斯方块，同样的随机种子、同样的出块顺序。跑三组，Mica 平均清掉行数约是 Kev 的 4 倍（高的一组清掉 97 行，对手只有 17 行）；选「最佳摆放位置」的命中率 Mica 约 75%，Kev 约 50%。

全部花费：约 30 美元租一台 RTX 3090。

行业怎么看

值得关心的不是方块成绩。Mica 代表的是一条正在冒头的思路：很小的参数、很窄的训练数据，专门解决某一类决策任务，不必先学会「说人话」。

这和过去两年的主流叙事不太合拍。我们注意到，过去 18 个月大厂主推「基座模型越大越强」，用同一套通用模型覆盖客服、写作、代码、决策各场景——成本高、电费贵，但能持续收 API 调用费。

行业里也有冷声音：俄罗斯方块是规则清晰、反馈即时的封闭环境。「会下棋的 AI 早就赢了世界冠军」和「能签一份商业合同」之间的差距仍然很远。决策模型要进企业真实流程，推理可靠性、可审计性、合规这几道关都还没过。

对普通人的影响

对企业的 IT 部门：一条具体业务（工单分类、初审、调度建议）如果能用小模型跑出大模型八九成的效果，推理成本可能从每月几万元压到每月几百元，私有化部署也会变容易。

对个人职场：规则明确、答案有限的桌面任务（填表、录入、初审分类）最容易被这类小模型先吃掉；需要处理模糊判断、跨部门沟通的工作暂时还安全。

对消费市场：未来一年，「完全本地运行、不需要联网」的 AI 小工具会越来越多——不是因为技术突然变神了，而是因为模型变小变便宜了。