ithome
科技
教育
采集 2026-10-22T10:13:21+00:00
GameScaling开源游戏模型覆盖0.8B至27B
原始标题:米哈游联合清华北大等高校发布开源 GameScaling 游戏模型,覆盖 0.8B 至 27B 参数规模
来源
ithome
发布时间
2026-10-22T09:19:52
采集批次
2026-10-22-10
字数
834
URL 指纹
063c7feb9338dc08
📌 AI 总结(235 字)
米哈游崩坏人工智能研发团队联合清华大学、北京大学、中国科学院大学、香港大学和新加坡国立大学等机构,开源GameScaling系列游戏模型,用于根据游戏画面、历史帧和操作记录生成键盘、鼠标指令,驱动角色完成游戏任务。模型基于Qwen3.5视觉语言模型继续预训练,覆盖0.8B、2B、9B和27B四种规模,共发布8个检查点,可支持《我的世界》《毁灭战士》及密室解谜等场景。项目还提供部署工具、代码、示例和论文,为研究游戏场景中的模型规模扩展规律及具身智能体交互提供开源基础。
📄 正文(834 字)
米哈游崩坏人工智能研发团队联合清华大学、北京大学、中国科学院大学、香港大学、新加坡国立大学等机构,推出并开源GameScaling系列游戏模型。研究团队围绕游戏场景中的模型规模扩展规律展开研究,发布了覆盖0.8B至27B参数规模的8个模型检查点。 GameScaling基于Qwen3.5视觉语言模型继续预训练,训练数据包含键盘、鼠标操作的游戏过程。模型能够接收当前游戏画面、此前部分画面以及操作记录,并生成后续键鼠操作指令,以控制游戏角色行动。 该系列支持《我的世界》《毁灭战士》等不同类型的游戏任务。例如,模型可在《我的世界》中采矿、合成物品和对抗僵尸,在《毁灭战士》中进行战斗和寻路,还能在密室场景中完成解谜与逃脱任务。 根据技术说明,模型每次调用可生成约200毫秒的操作序列,其中包括6个持续33毫秒的操作步骤,以及鼠标移动和滚轮指令。由于模型面向实时游戏交互设计,实际运行速度会受到模型规模、硬件配置和推理负载等因素影响。 项目共开源0.8B、2B、9B和27B四种参数规模的模型,每种规模包含S1、S3两个版本。S1仅使用《我的世界》游戏数据进行训练,S3采用多游戏混合数据,其中《我的世界》数据占比为27%,各版本均使用1600小时游戏数据进行训练。 在硬件需求方面,0.8B、2B和9B版本的模型权重可部署于单张GPU,27B版本则需要两张GPU进行张量并行推理。项目提供推理客户端、提示词模板、操作解析代码和示例程序,并支持通过vLLM部署模型服务,代码与模型权重采用Apache 2.0许可证。 研究团队还发布了论文《Scaling in Games: Continued Pre-Training for Embodied Agents in Diverse Virtual Worlds》,探讨通过持续预训练提升模型在多种虚拟游戏环境中的操作能力。项目主页、GitHub仓库和Hugging Face模型库公开了相关资料及模型权重。