米哈游Gamer模型:8B参数自主玩星穹铁道50小时

资讯 量子位 全文 3046 字 · 约 8 分钟读完 配图 13 张 分类VLA学术研究

8B参数,50小时自主运行

所属频道 前沿研究

8B参数,50小时自主运行

米哈游崩坏AI研发团队近日发布了一项新研究,名叫Gamer。

米哈游这是打算亲自下场,研究所谓的“官方脚本”了?(doge)

这项研究里,最直观的画面是——

AI自己把《崩坏:星穹铁道》玩了起来,这事说出来你可能不太信。

键盘鼠标全交给AI,一上手就能和可可利亚过招。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 1)

遇到场景机关,它照样能处理。走到“气泡弹珠”跟前启动装置,被弹到另一片区域,落地后继续跑。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 2)

跟着NPC跑图也没问题:流萤在前头带路,AI在后头跟着,上楼梯、拐弯,一路跑到广场。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 3)

打Boss、开机关、跟人跑图,这些AI全学会了。

那以后充值页面里,会不会多出一个“AI代肝”选项?

(注:米哈游推出的《崩坏:星穹铁道》是一款以银河冒险为题材的回合制角色扮演游戏。玩家搭乘星穹列车前往各个世界,靠跑图、对话与解谜推动剧情,同时编组角色队伍展开回合制战斗。)

VLA代肝,不烧心

说回正题。米哈游给Gamer的定位,是面向长流程、实时交互的通用视觉—语言—动作(VLA)基础模型。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 4)

前面演示中玩《崩铁》的主力版本,是团队基于参数量80亿的Qwen3-VL-8B进一步训练出来的。

画面和任务摆在那里,它据此判断按哪些键、鼠标往哪儿移、什么时候点下去,然后再把操作真正执行出来。

换句话说,视觉信号是屏幕画面,任务指令告诉它该做什么,键鼠操作就是它输出的动作。

以往也有AI玩游戏,Gamer这次最突出的地方,是把跨游戏的实时操作和长流程中的记忆、规划,装进了同一套VLA框架。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 5)

实际运行时,模型判断全靠屏幕画面、任务指令和已有记忆,不用读取游戏内部接口,也不用读底层状态。

任务往前走,它还会动态记下“刚才完成了什么”、“下一步准备干什么”。

论文里还给了一组实测数据:评估覆盖五个主线篇章、总计约50小时的《崩铁》长流程,Gamer自主运行时间占比超过95%。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 6)

为了达到这个效果,研究设计了一套三阶段训练流程:

先用跨游戏数据练操作,再用任务示范补上思考和记忆,最后让模型进游戏,靠试错和反馈继续提升。

第一阶段是持续预训练(Continued Pre-Training,CPT),让已经能理解图文的基座模型进一步学会操作游戏。

具体做法是,团队把不同游戏的录屏和玩家操作对齐,让模型去学画面与动作之间的关系:人物往前走,场景会怎么变;鼠标往右移,镜头会转向哪里。

所有操作最终被统一成键鼠格式,不同游戏的数据因此得以汇入同一套训练流程。

实际运行时,Gamer每200毫秒抓取一帧画面,随后一次性规划出六个动作块,每块约33毫秒,对应30Hz的控制节奏。

说白了,就是瞄一眼画面,先把眼前这一小段动作排好,再依据新画面接着调整。

微调环节同样下了功夫。团队梳理出约1000小时高质量的《崩铁》演示,把训练目标拆成具体操作、阶段性小目标和完整任务三个层次,教模型如何把动作串起来。

这里有两处工程设计颇为实用,瞄准的都是长流程中的推理延迟和上下文膨胀问题。

–“稀疏思考”机制:路线明确时直接照着走,不必展开推理;一旦路线走不通、目标变了或者出现新的交互提示,才启动推理。 –记忆摘要机制:旧记录快要被挤出上下文之前,模型会先把任务进展、失败的尝试、关键地点以及下一步计划记下来,后续操作就能照着这些记录走。

-“稀疏思考”:沿着确定的路线前进,可以直接操作;遇到路线失败、目标切换或者新的交互提示,再展开推理。

到了在线强化学习阶段,团队拿出了TA-GRPO:把长流程切成由记忆衔接的片段,对比不同尝试在对应阶段的表现,再用游戏环境核验出的结果去更新模型。

有没有抵达目标地点、当前任务有没有做完,这些都能当作训练反馈;训练后台则承担初始化和核验的工作。

配套的Streaming-vLLM推理引擎也帮了忙:它能复用已经处理过的上下文,并把生成且核验完毕的动作块提前输出,让游戏画面先动起来,操作延迟因此被大幅压低。

实验测试

跨游戏实验中,团队测试的是Gamer的CPT版本,覆盖《我的世界》、基于《毁灭战士》的ViZDoom,以及OmniGameArena、GameWorld等多个游戏环境。

在《我的世界》里,它能自行转动视角锁定史莱姆,追上前挥剑劈砍:

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 7)

换到第一人称射击游戏ViZDoom,它也能快速拉枪瞄准,对着逼近的敌人连续点射:

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 8)

在上述四项公共基准上,Gamer-8B-CPT的平均得分为29.5;所列通用模型对照中,最高的也只有17.6。

七类小游戏、共40个未参与训练的任务里,基座模型仅拿到3.2%,CPT后升到15.0%,SFT后提高到39.2%,加上强化学习更是达到49.7%——

同场竞技的通用模型中,最高分来自GPT-6.1-Sol,仅为17.1%。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 9)

这些结果印证了团队的核心判断:借助统一的键鼠接口,把跨游戏学习、长期记忆与实时操作捏合在一起,AI便能在复杂游戏中持续执行任务,并在交互中不断变强。

论文结尾还提到,这类能力可用于自动化测试、加快游戏迭代,也能支撑新的玩法机制,开发成本有望随之下降。

游戏成了AI的练习场,练出来的AI再回头帮人做游戏。

团队介绍

最后看看这项研究背后的团队。

论文贡献者名单共列出8位共同一作,其中5位是在米哈游实习期间参与该项目的:

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 10)

Run Luo:新加坡国立大学计算机科学博士生,参与过GUI-R1、OpenOmni等项目,在Gamer中负责三阶段训练、数据、基础设施及评测建设。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 11)

张宽(Kuan Zhang):清华大学人工智能学院博士生,GameScaling与GameVerse共同一作,主要承担持续预训练、数据及评测建设。

他在个人主页中写道,自己是英雄联盟大师段位玩家。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 12)

Qi Deng 是米哈游崩坏AI研发团队的成员,强化学习、训推基础设施以及数据与评测建设由他负责。

Yukun Chen 在中国科学院大学读研究生,是 GameScaling 的共同第一作者,也是多模态推理研究 RuCL 的第一作者,监督微调、数据及评测建设是他的主要分工。

Zhihao Yang 在中国科学院大学读计算机专业博士,本科出自同济大学,主攻游戏与智能体方向,项目里他承担强化学习、数据及评测建设。

米哈游Gamer模型:8B参数自主玩星穹铁道50小时(配图 13)

Yufei Zhang 也来自米哈游崩坏AI研发团队,训练与推理基础设施建设由其主要负责。

Renrong Hu 同样在米哈游崩坏AI研发团队,基准(Benchmark)建设与评测是他的主要分工。

Yi Zhang 来自中国科学技术大学,在米哈游实习期间参与了这个项目,主要做基准建设与评测。

其他论文贡献者可以到论文主页查看。

把视角拉远看,这支米哈游崩坏AI研发团队已经铺开AI NPC、游戏智能体与研发自动化三大方向,大模型在游戏体验革新和工业化管线中的落地,是他们持续在探的路。论文指导者之一郑银河,就是《崩坏》系列AI NPC与Gameplay技术团队的负责人。

郑银河此前在云栖大会上讲过《崩铁》的AI帕姆,也讲过赋能内部研发的Agent平台EchoX。学术方面,团队还和高校联合推出GameScaling与Video-Arena,前者探明跨游戏持续预训练的Scaling Law,后者考察模型对动态游戏画面的理解边界。

参考链接 [1]https://arxiv.org/html/2611.18397v1 [2]https://mihoyo-gamer.github.io/

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 姚顺雨回清华姚班:大模型不拼指标赛马,RSI如何落到工程?

    11 月 18 日晚,腾讯首席 AI 科学家、混元大模型负责人姚顺雨回到母校清华大学交叉信息研究院(姚班),与本科同窗、清华交叉信息院助理教授吕凯风做了一场近距离的闭门问答交流。 作为姚班 2015 级校友与普林斯顿博士,姚顺雨曾参与提出将推理与行动结合的 ReAct 范式,是代码 Agent 评测基准 SWE-ben

    来源 AI 行业观察
  2. 谷歌论文曝RSI内部落地:SIM机制让AI经验跨模型遗传

    新智元报道 谷歌内部,或许真正实现了RSI!从此,Gemini已能「继承经验」持续自我进化,Gemini新模型不再从零开始!或许也正是这个原因,谷歌最近跟疯了似的不停发模型。Gemini 4 Hydrogen才发布不到一周,更强的Gemini 4 Neon就来了。答案,或许藏在谷歌与宾夕法尼亚州立大学深夜联合发布的一篇

    来源 腾讯网
  3. Anthropic Claude Fable 5.2:独立破解黑洞两大悬案,锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独立写成,主

    来源 AI 行业观察
  4. Claude Fable 5.2攻克黑洞物理:20年计算收尾,界值锁定9.1266

    2026年11月17日,Anthropic公布Claude Fable 5.2解决了黑洞物理领域两个长期未解问题:一是完成了理论物理学家2003年搭好框架却未能算完的霍金-佩奇相变计算,二是将模块化自举方法的精确上界锁定为c/9.1266,优于此前人类得出的c/8.5。两篇论文由Claude在"极少指导"下独

    来源 AI 科技快讯
  5. 中南大学通报湘雅系3篇论文:学术不端坐实,多人被降级禁报

    被网友扒出“1 厘米标尺上竟刻着 12 个格子”的湘雅系论文,有了官方结论。中南大学今日通报称,面对网络上对湘雅二医院、湘雅医院 3 篇论文的质疑,学校组织同行专家核查实验记录、原始数据与投稿记录,经校学风建设委员会审议,三篇论文全部坐实学术不端。 三篇论文,三种病 被点名的论文横跨三本期刊:202

    来源 AI 开发者社区
  6. Claude宣称证出黎曼猜想:1700万行代码,数学家先要验真

    11月20日,Anthropic数学家Levent Alpöge称在Claude帮助下找到黎曼猜想及广义黎曼猜想的证明,但未发表完整论文,仅公布约1700万行的Lean形式化证明证书。截至11月21日,该主张尚未经独立专家完整审查,克雷数学研究所的奖金评定还要求在同行评审期刊发表并经过至少两年审查。

    来源 凤凰科技
  7. 微软Win11的TPM锁定机制被绕过:6位PIN破解从19年缩至20天

    IT之家 11 月 20 日消息,柏林工业大学研究团队公布 Hello Again 硬件安全研究,指出攻击者若能拆开电脑并接触主板闪存与处理器之间的通信链路,能绕过 TPM 的错误尝试锁定机制,从而暴力反复猜测 Windows 11 系统的锁屏 PIN 密码。 在技术原理方面,部分电脑会将固件 TPM 的状态数据(包括

    来源 AI 行业观察
  8. PremiseCheck研究:让AI审稿先拆断言再核对,成本能降多少?

    先说一个场景。你是一篇论文的作者,凌晨两点打开评审意见,看到这样一条: “这篇论文的可复现性有限,因为只在 Gopher 模型上做了测试,而这个模型既不开放 API 也不开放权重。” 你心里一沉,因为你们明明用的是 OPT-6B,而且附录里专门写了复现步骤。你去 rebuttal 里解释,评审可能不看,AC 大概也不会

    来源 腾讯网
  9. 行业首次:小鹏 2026 科技日将首发「图灵 AI 共驾」,把智能辅助驾驶能力赋能人驾

    IT之家 11 月 20 日消息,小鹏汽车 2026 年小鹏科技日(AI DAY)已经官宣定档 11 月 25 日在广州举行,主题为“原点”(Origin)。 据小鹏介绍,本届科技日的核心发布之一,是“图灵 AI 共驾”的首次亮相。小鹏表示,这是行业首次将智能辅助驾驶能力延伸至人工驾驶场景。 其首个落地功能为“VLA

    来源 AI 行业观察
  10. AI编码效率被评审吃掉:哈佛718家企业数据与2026工具链新变量

    哈佛研究证实AI生成代码并未提升实际交付量,瓶颈已转移至评审环节。Code Mode与Harness架构演进将安全边界移入沙箱,开源工具正拆解工程硬墙。具身智能方面,南京智造大会与北京人形中心论文显示,行业焦点从表演转向落地成本与分层协同。整体趋势表明,AI行业已从技术叙事进入商业化验证、可审计性与稳定交付的深水区。

    来源 AI 应用前沿
  11. OpenGCUA实测:8个顶尖模型任务得分平均涨19.6分

    2026年9月的某一天,研究团队让Qwen3.8-Max去完成一个真实的macOS任务:在一张工作表里解答125道题目。模型写出了一段看起来有模有样的代码,用了循环、用了函数,处理完后自信地打印出"computed answers: 85"。问题是,这份工作表一共有125道题要答,它只答了85道,剩下40道题目所在的行

    来源 腾讯网
  12. 当AI代理写出一篇“完美”论文,却没有一个实验是真的

    2026年,一群科学家做了一件挺反直觉的事。他们没有让AI去解一道数学题,也没有让AI去证明一个定理。他们找了九个最顶尖的AI代理(就是那种能自己写代码、自己跑实验、自己写论文的AI系统),给每个代理一篇真实发表过的科学论文,外加论文原作者亲口说的"接下来我想做这个方向",然后让AI自己把这个方向做出来,写成一篇跟得上

    来源 腾讯网
  13. 腾讯混元AMA回应算力瓶颈:下一代Hy模型将大幅扩容

    智东西11月21日报道,今天凌晨,腾讯混元团队在社交媒体平台Reddit举行了一场AMA活动,与全球开发者围绕Hy4系列模型展开交流。姚顺雨也出现在了评论区,只是哪个是他的马甲我们不得而知。 ▲姚顺雨在X预告本次Reddit AMA活动(图源:X) 此次AMA处于一个非常有趣的时间点。 就在昨天,腾讯刚刚开放旗舰模型H

    来源 AI 行业观察
  14. 可灵Kling Image 4.0发布:8K原生分辨率,单图支持2000字

    过去几年,AI 生图模型在真实感、分辨率和光影表现上不断刷新人们的认知。但当这些图片真正被用于海报、广告这些商业场景时仍会面临文字能否准确呈现、局部修改是否能保留原有设计等问题。 这些看似不起眼的要求,至今仍是图像模型的难题。(雷峰网) 今年 3 月,微软研究院发布了一项名为 BizGenEval 的商业视觉生成评测,

    来源 AI 行业观察
  15. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
向下滚动自动加载更多