史克威尔艾尼克斯工程师藤井翔太实测本地大模型：基础任务可行，复杂工具编排仍需前沿模型
史克威尔艾尼克斯AI工程师藤井翔太在NVIDIA活动上报告了将Nemotron 3.5 Super VL部署于内部H100环境、针对游戏开发四类任务进行验证的结果。基础问答与脚本生成表现良好且成本可控，但涉及自由组合工具的复杂任务（如从零构建游戏）本地模型完全无法完成，需路由至云端前沿模型。PDCA迭代对动作质量有改善效果，但关键发现是：开发者必须自行定义评估条件和验证方法。
游戏工作室每年在AAA项目上投入的开发成本持续攀升，日本经济产业省2026年2月公布的数据已确认了开发周期延长和人力成本上涨的趋势。史克威尔艾尼克斯AI与引擎开发部门的工程师藤井翔太在NVIDIA举办的Agentic AI Day Japan 2026活动上，展示了一条可能的降本路径：将部分任务交给本地运行的大模型处理，而非全部依赖按token计费的云端前沿模型。
他的判断并非简单地用本地模型替代一切云端调用，而是根据任务难度做分层：基础问答和脚本生成交给本地，高自由度的复杂编排仍路由到ChatGPT等前沿模型。这一结论来自他在公司H100 GPU集群上部署Nemotron 3.5 Super VL后，围绕四类游戏开发任务展开的系统验证。
验证的第一层是基础能力。在「聊天」测试中，藤井翔太从三个维度考察模型：基础知识和短问答（如解释fps术语、回答世界最高峰）、有确定答案的计算题（如60fps下180帧是多少秒）、以及需要遵守格式约束的创意输出（如给出三个8字以内的森林村庄名）。三类任务均正确完成。响应时间对比显示，Nemotron在基础知识类问题上以0.79秒领先其他模型（后者超过1秒），但在计算和创意类任务上反而最慢，说明难度上升时其响应速度变化量明显大于云端模型。
在「脚本生成」测试中，模型一次生成了正确的Python图像反色脚本，耗时22秒；又一次性输出了包含左右移动、跳跃、剑的碰撞判定和通关条件的HTML小游戏代码。藤井翔太认为这两项基本验证的结果符合预期，证明Nemotron在结构化编码任务上具备实用价值。不过他也指出，对于难度较低的脚本任务，ChatGPT和Claude在速度上仍略有优势。
第二层验证涉及多模态和工具链。作为视觉语言模型，Nemotron在读取一段龙进食的视频后，用约10.6秒输出了准确的内容描述，藤井翔太称这是令他个人惊讶的结果。更复杂的「动作生成」测试则引入了NVIDIA的运动扩散模型Kimodo：Nemotron负责规划关键帧和脚部位置并以JSON格式传递给Kimodo，Kimodo据此生成全身动作。在Unreal Engine环境中，角色成功完成了跨越障碍、搬运物品、跳过沟壑、攀爬1.2米台阶、钻过1.1米横杆等动作。
动作生成中最有启发的发现来自PDCA循环的迭代优化。初始步行动作中，角色脚部在跨越横杆时存在约16.4厘米的滑动。藤井翔太让Nemotron自行执行计划-执行-检查-改进的循环后，滑动缩小到1.7厘米。但过程中暴露了一个反直觉的结论：关键帧并非越多越好。最终完成度最高的方案只用了6个关键帧，增加更多帧反而导致多余动作、脚滑或手部僵化。
第三层「MCP集成」测试揭示了本地模型的硬上限。Model Context Protocol允许AI直接调用工具：Blender 5.1以上版本和Unreal Engine 5.8均已提供实验性MCP服务器。简单的跨工具任务——在Blender中生成一棵树并放置到Unreal场景中——顺利完成。但当任务升级为从零构建一个完整的寻宝游戏时，Nemotron单独运行在中间阶段就停滞了，完全无法产出可玩的游戏。引入NVIDIA的模型路由库NeMo Switchyard，将简单步骤分配给Nemotron、困难步骤路由到ChatGPT后，部分对象开始响应，但游戏仍未完成。
藤井翔太在总结中强调了两个实践要点：其一，本地LLM适合基础操作，但高自由度任务目前必须借助前沿模型的混合路由；其二，对于困难问题，PDCA循环有效的前提是开发者自己预先定义好评估条件和修正策略——模型不会替你设计验收标准。他还建议，在视频输入辅助PDCA时，只截取问题相关片段而非全屏画面，能显著提高改善效率。