米哈游崩坏 AI 团队联合清华大学等机构发布并开源了 GameScaling 游戏操作模型。该模型基于 Qwen3.5 视觉语言模型，针对键鼠操作任务进行继续预训练，参数规模覆盖 0.8B 至 27B，可根据当前游戏画面预测并输出未来 200 毫秒内的键鼠动作序列，实现对游戏的实时自动化操控。研究团队通过 120 组训练配置，系统考察了数据量、数据多样性与模型规模三个因素对操作能力的影响。实验结果表明：在同源游戏场景中，训练数据越多，模型表现越好；数据多样性有助于模型迁移到风格相近的游戏；而对与训练环境差异较大的游戏，多样性带来的提升较为有限。这一结论为操作类 AI 智能体的数据构建策略提供了实证参考。开源方面，项目以 Apache-2.0 协议释出八个不同规模的模型检查点及配套推理客户端，可直接下载部署；但训练代码暂未包含在内，社区若要复现完整训练流程仍存在一定门槛。该项目将视觉语言模型落地到低延迟实时交互场景，是游戏厂商与高校在 AI Agent 方向上的一次公开合作尝试，与当前 GUI 操作智能体、具身智能等研究热点相呼应。
事件分析
GameScaling 的核心看点是对游戏操作智能体进行了类似大语言模型的规模化实验：以 120 组配置系统验证数据量、多样性与参数规模的收益边界，此类实证研究在操作类 Agent 领域相对少见。模型以 200 毫秒为粒度输出键鼠动作，说明其面向低延迟实时交互，对推理效率有较高工程要求。从产业视角看，游戏厂商天然拥有高仿真交互环境与海量操作数据，是训练操作智能体的理想试验场，米哈游的入场显示游戏公司正将 AI Agent 视为核心技术资产。开源检查点但不开放训练代码，兼顾了社区试用与数据护城河的保护。后续可关注其在 GUI 自动化、具身智能等相邻场景的迁移能力，以及训练代码是否会跟进开源。
核心观点：游戏环境正成为操作智能体的天然训练场，数据与场景积累比模型规模更能构筑长期壁垒。
原文链接：Linux.do
评论前必须登录！
立即登录 注册