米哈游联合清华北大等高校开源 GameScaling 游戏模型，覆盖 0.8B 至 27B

米哈游崩坏 AI 研发团队联合多所高校开源 GameScaling 系列游戏模型，关注价值在于项目把视觉理解、连续操作和模型规模扩展规律放入同一套可复现实验框架。

• GitHub 官方仓库介绍称，模型基于 Qwen3.5 视觉语言模型继续预训练，输入当前画面、部分历史画面与操作记录，输出后续约 200 毫秒的键鼠动作。
• 项目公开 0.8B、2B、9B 和 27B 四种规模、S1 与 S3 两类训练版本，共 8 个检查点；S1 仅使用《我的世界》数据，S3 为多游戏混合数据。
• 官方仓库称，所有检查点使用 1600 小时游戏数据，0.8B 至 9B 可用单张 GPU 部署，27B 需要两张 GPU 做张量并行。
• 代码和模型权重采用 Apache 2.0 许可证，但仓库同时说明项目是科研项目，不开展商业活动；开源许可不等于已完成商业化适配。
• 仓库还提醒，推理速度会受到 GPU 负载、画面渲染速度和并发实例影响，单局演示结果不能代表跨游戏、跨任务的稳定能力。
• 影响/看点：该项目可能为游戏智能体研究提供较低门槛的基线和统一接口，但能否迁移到未见游戏或更复杂任务，仍取决于数据覆盖、实时延迟、动作解析成功率和多轮评测结果。
• 资料依据:
• THUSI-Lab GameScaling GitHub 仓库（2026-10-22）：https://github.com/THUSI-Lab/GameScaling
• IT之家（2026-10-22）：https://www.ithome.com/1/016/575.htm

本内容由 AI 生成，仅供参考，请注意甄别