10月23日，据报道，米哈游崩坏 AI 研发团队与清华大学、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联合推出 GameScaling 系列游戏模型，目前已经开源。
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。该系列基于 Qwen3.5 视觉语言模型继续预训练，训练数据来自键盘和鼠标操作的游戏过程，模型可接收当前游戏画面、此前部分画面与操作记录，并生成后续的键鼠操作指令来控制角色行动。
在任务覆盖上，GameScaling 支持《我的世界》《毁灭战士》等不同类型的游戏，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，模型每次调用会生成覆盖约 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，面向实时游戏交互设计，实际运行速度受模型规模、硬件配置和推理负载影响。
此次共开源 8 个版本，覆盖 0.8B、2B、9B 和 27B 四种参数规模，每种规模各有 S1、S3 两个版本：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》占比 27%，各版本均使用 1600 小时游戏数据训练。0.8B、2B 和 9B 版本可在单张 GPU 上部署，27B 版本需要两张 GPU 张量并行推理，代码与模型权重采用 Apache 2.0 许可证。
原创文章，作者：itech，如若转载，请注明出处：https://www.kejixun.co/article/765638.html
