米哈游等机构开源GameScaling游戏模型

驱动中国10月22日消息，米哈游崩坏AI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GameScaling系列游戏模型，并已开源。

该系列围绕游戏场景中的模型规模扩展规律展开，发布8个模型检查点，参数规模覆盖0.8B至27B。项目团队在GitHub页面说明，模型基于Qwen3.5视觉语言模型继续预训练，训练数据包含键盘和鼠标操作的游戏过程。

该模型可接收当前游戏画面及此前部分画面、操作记录，并生成后续键盘和鼠标操作指令，用于控制游戏角色行动。GameScaling支持《我的世界》《毁灭战士》等不同游戏任务，包括在《我的世界》中采矿、合成物品和对抗僵尸，在《毁灭战士》中战斗与寻路，以及在密室场景中完成解谜和逃脱。

技术说明显示，模型每次调用生成覆盖约200毫秒的操作序列，其中包含6个、每个持续33毫秒的操作步骤，以及鼠标移动和滚轮指令。项目介绍称，该系列面向实时游戏交互设计，运行速度受模型规模、硬件配置和推理负载等因素影响。

本次开源共8个模型版本，分为0.8B、2B、9B和27B四种参数规模，每种规模各有S1、S3两个版本。其中，S1仅使用《我的世界》游戏数据训练，S3采用多游戏混合数据，《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。

硬件需求方面，项目仓库列出不同模型的显存占用及推理部署方式。0.8B、2B和9B版本权重可在单张GPU部署；27B版本需要两张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。

研究团队还发布了相关论文，论文标题包含“Scaling in Games: Continued Pre-Training for Embodied Agent”。