ARTICLE · 1236547
米哈游放出 8 个游戏 AI,一步最快 0.13 秒
AI 游戏热点
2026.10.23 · AI游戏工坊 · 阅读约 8 分钟
今日热点：米哈游拉着六家校所挂出 8 个游戏操作模型，最快一步 0.13 秒
一步 0.13 秒。前沿大模型做同一个决定要 4 到 24 秒。游戏不会等你慢慢想，这条缝里挤进了 8 个开源权重。
一步 0.13 秒。
这是 GameScaling 最小那版权重跑出来的成绩。同一份论文里，几家前沿大模型在实时设定下每步要花 4 到 24 秒。
游戏不会停下来等你思考。
10 月 22 日晚上，GitHub 上冒出一个仓库，标题挂着米哈游、清华大学、中国科学院大学、香港大学四家的 Logo。项目名 GameScaling，代码和权重按 Apache-2.0 挂出来，论文同步放上 arXiv，编号 2610.28698。到 23 号下午，Hugging Face 上那 8 个检查点已经被人搬进了自己的显卡。
我盯着看的是那 120 组配置里的一条曲线。它把很多人默认的判断翻了面。
这事有点像把一台自动驾驶套件拆成散件，摆在门口随便拿。装不装得上另说，散件先到手了。
01
发生了什么
● 一次放出 8 个检查点
底座是 Qwen3.5 视觉语言模型。四个尺寸：0.8B、2B、9B、27B。
每个尺寸出两版。S1 只喂《我的世界》的操作录像；S3 混着喂，《我的世界》压到 27%，剩下由另外几十款游戏填。
4 个尺寸乘 2 个配方，一共 8 个检查点。训练语料覆盖 80 款游戏，每版 1600 小时的真人操作。
● 120 组配置只测一件事
团队跑了 120 组受控训练：4 个尺寸、6 档数据量（50 到 1600 小时）、5 种混料配方。总训练量约 3.5×10¹¹ 个 token，算力约 2.2×10²² FLOPs。
问题就一个。在一个虚拟世界里练出来的本事，能不能带进另一个虚拟世界。
这话听上去像学术游戏。可你如果做过两款玩法完全不同的产品，就知道它有多实在：第一款里调顺手的那套手感参数，第二款基本接不上。
● 它吐出来的是键鼠动作
喂进去的是当前画面，加上前 5 帧和当时按了什么。吐出来的是接下来 200 毫秒的键鼠指令：6 步操作、每步 33 毫秒，外加一次鼠标位移和滚轮。
这个模型不聊天。它只认屏幕和手。
● 基准上的几个数
《我的世界》的 MCU 基准有 30 个任务。9B 那版在标准 600 步协议下拿到 50.9%，0.8B 版 42.3%。
把步数上限放到 3000 步，同一批权重升到 69.3% 和 59.3%。没做过继续预训练的 Qwen3.5-9B 只有 4.0%。0.8B 那版是 0。
同一份权重，只是允许它多试几次，分数就涨了十八个点。这块空间比想象中大得多。
“
脑子跟得上，手跟不上，是通用大模型进游戏撞上的第一块玻璃。
02
为什么值得看：三个信号
● 信号一：通用模型的手比脑子慢
论文做了一组对照。允许暂停时，Gemini-3.8-Flash 表现相当好，它可以慢慢想清楚再决定按哪个键。
一改成实时，分数就掉下来了。
MCU 的实时得分那一栏，2B 版拿到 44.0，0.8B 版 37.3。GPT-5.6、Claude-Opus-5.0、Gemini-3.8-Flash 三个前沿模型都落在 7 到 9 分之间。
我拿开车打了个比方：一个博士生去开手动挡，路况全看得懂，脚下换挡跟不上。
● 信号二：会 80 款游戏，比死磕 1 款值钱
同样 1600 小时的料，学过多种游戏的模型在 OmniGameArena 上的综合得分，约是只学《我的世界》那版的 2.8 倍。
换到 GameWorld 里那种 2D、2.5D 环境，两边都回到 25% 上下。中间那座桥没有想象中长。
论文里最反直觉的一句写得挺直白：单一世界训练下，模型越大，对遥远世界的泛化反而越差。大模型在见过的世界里学得更快，也更容易把那个世界的具体规则背成死记硬背。
这句对小团队算个好消息。你不用囤 27B。
● 信号三：入门价落到一张卡上
0.8B、2B、9B 三档单卡能跑，27B 用双卡张量并行。仓库里给了推理客户端、提示词模板，还有一张《毁灭战士》的测试帧。
想让它在你自己的游戏里顺手，提示词模板要填三处：游戏名、规则、按键表。然后写一个循环，截屏、请求、按 33 毫秒一步步执行。
“
它真正值钱的地方，是把看屏幕、动手这件事的入门价，压到了一张卡上。
03
你可以照着做的三件事
● 先跑 offline 自检
仓库自带示例和一张测试帧。先别接自己的游戏，就看它能不能把一帧画面翻成一串合理的按键。这一步不烧显卡。
● 改提示词之前先写清按键表
游戏名、规则、按键表三样，缺一样它就乱按。按键表最好一句话写清每个键对应什么动作，别留「参考游戏设置」这种写法。
● 把它当研究工具用
许可证那一栏要看仔细。权重和推理代码是 Apache-2.0，项目页写明 research use only，游戏画面和操作录像的版权在各家发行商手里，训练数据没有公开。
想把它做成能上线的商业功能，路是敞开的：自己录数据、自己训，或者换一条授权干净的模型。正门一直开着。
这批权重真正改掉的，是造一个会玩游戏的 AI 的起步价。以前是实验室课题，现在是一个下午的工程活。
◆ ◆ ◆
ABOUT · 关于我
每天拆一条 AI 与游戏的交叉动态，写清发生了什么、哪些信号在动。不讲概念，只讲能对上的名字、数字和动作。
数据说明
模型规模、四个尺寸、两版配方、120 组配置、80 款游戏、1600 小时语料、3.5×10¹¹ token、2.2×10²² FLOPs、MCU 与 ViZDoom 等四项基准口径、600 步与 3000 步的得分、每步 0.13 到 0.69 秒与前沿模型 4 到 24 秒的对比，来自论文 arXiv:2610.28698、项目主页 gamescaling.github.io 与 GitHub 仓库 THUSI-Lab/GameScaling 的公开说明。实时得分 44.0 与 37.3、OmniGameArena 的 2.8 倍、Apache-2.0 与 research use only 的授权描述，取自项目页与原论文表格，经游戏葡萄与另外两家行业账号的整理稿交叉核对。训练数据未公开，画面版权归各发行商所有。所有得分都在各自论文协议下测得，换一套测试环境可以重新跑一遍。具体数字以项目方后续更新为准。
NEXT · 下一篇
下一篇我把这套权重装进一个自己写的小游戏，从录键位、填提示词模板到跑通第一局，一步步拆给你看。中间踩到的坑会原样写出来，包括那张必须设成 false 的参数。关注这个号，发出来你就能第一时间看到。
AI游戏工坊
每日 AI 游戏热点
