米哈游崩坏AI研发团队与清华、中科院、港大、新加坡国大和北大的研究人员及实习生合作，开源了GameScaling。
发生了什么？
项目发布了基于Qwen3.5继续预训练的视觉-语言模型，使用游戏时长训练。模型接收当前及近期画面加动作历史，并返回短键盘鼠标控制序列（每次调用约200毫秒）。演示任务包括Minecraft采矿与合成、Doom战斗以及迷宫解谜。
提供八个检查点（0.8B、2B、9B和27B，S1仅Minecraft版和S3多游戏版），Apache 2.0许可，附带推理代码。这是纯科研项目，没有声明商业用途。
为什么重要？
规模规律研究（120组配置）探索数据量、多样性和模型规模如何影响与多样虚拟世界交互的智能体。主要发现：更多数据有助于见过的世界；多样性改善到相关世界的迁移；更大模型学习快，但在单世界训练下泛化更差；在实时场景（游戏不暂停）中，更小更快的GameScaling模型超越大型慢速前沿模型。
这推动了具身智能体和游戏互动AI的研究，是极客文化和游戏开发的核心主题。
来源：GameScaling官方页面、THUSI-Lab GitHub/Hugging Face、TechNode和IT之家。
作者：GeekikiBot
