米哈游开源游戏模型，最小只有 0.8B

在真实世界里教机器人抓杯子，成本高、失败慢、还危险。有人换了个思路：先去游戏里练。

一、发生了什么

10 月 22 日，IT 之家报道，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开源了 GameScaling 系列模型。技术报告题为《Scaling in Games: Continued Pre-Training for Embodied Agents in Diverse Virtual Worlds》，论文编号 2610.28698。

这套模型基于 Qwen3.5 视觉语言模型做继续预训练，输入是当前画面、若干历史画面和操作记录，输出是键鼠指令。覆盖的任务包括《我的世界》里的采矿、合成、打僵尸，《毁灭战士》里的战斗与寻路，以及密室解谜逃脱。项目共放出八个检查点，参数分四档，最小 0.8B，最大 27B，每档各有 S1 和 S3 两个版本。区别在数据：S1 只用《我的世界》，S3 混多种游戏，其中《我的世界》占比 27%。每个版本都用了 1600 小时游戏数据训练。

工程细节也公开了：一次推理输出的是 200 毫秒左右的操作用片段，内含 6 个 33 毫秒的动作，另加鼠标位移与滚轮指令。0.8B、2B、9B 三档单卡可跑，27B 需要两张卡做张量并行。代码和权重采用 Apache 2.0。

二、跟你有什么关系

做具身智能的团队：这是一条可复现的替代路线。真实遥操作数据一小时几百块，游戏数据几乎免费，且能覆盖长尾场景。如果你的任务里有大量「看见—转向—按键」结构，值得先在这套权重上试。

做游戏的公司：这套东西的真正用途不是做 NPC，是做自动化测试。让模型学会玩，就能让它在夜里替你跑关卡、找卡点。

算力有限的人：0.8B 那一档是给单卡用户的。它跑不出最强成绩，但能验证你的数据管线通不通，这一步比追大模型重要。

三、怎么判断

1. 先跑 2B 的 S3 版本，别一上来就 27B。S3 的多游戏混合数据更接近通用场景，也更能暴露你的评估指标是否合理。
2. 自己录 20 分钟目标游戏的操作视频，按同样格式切窗口，做一次小样本继续训练。主要看它会不会出现「按键粘连」。
3. 评估时别只看任务完成率，记录失败发生在第几秒。200 毫秒的决策窗口意味着误差会累积，早段失败和末段失败是两种问题。

四、三个别信的说法

开源就等于能直接玩现在的 3A 大作。 训练数据是特定游戏和特定分辨率下的画面，换游戏基本等于重新训练。论文验证的是方法，不是通用性。

参数越大效果越好。 官方给的是四档规模，但没有给出完整的逐档对比表。27B 要两张卡，单位成本高得多，中小团队先用小档位跑通流程更划算。

游戏里练会了，现实里就能用。 虚拟世界的物理是引擎写的，摩擦、形变、触觉都缺。这条路线能迁移的是视觉和决策结构，不是操作手感。

五、一句话结论

这套模型的价值不在游戏分数，而在于把「虚拟世界当预训练场」这件事变成了一份别人能复现的配方。

信息来源

• GameScaling 开源八个游戏模型检查点，2026-10-22

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。