前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.21 · 00:25/5 MIN/编译自 衡宇/1 阅读

米哈游发布Gamer:8B模型自主玩通《崩铁》50小时

米哈游崩坏AI研发团队推出通用VLA基础模型Gamer,基于Qwen3-VL-8B训练,仅靠屏幕画面和键鼠操作就能自主游玩《崩坏:星穹铁道》,在约50小时主线流程中自主运行占比超95%。

米哈游发布Gamer:8B模型自主玩通《崩铁》50小时

米哈游下场研究「官方脚本」了。

在崩坏AI研发团队最新发布的 Gamer 研究中,AI 自己玩起了《崩坏:星穹铁道》:键鼠交给它,上来就能和可可利亚打一架。

AI操作角色与Boss战斗

碰上场景机关也能自己上手。走到「气泡弹珠」前启动装置,把自己弹到另一片区域,落地接着跑。

AI启动气泡弹珠机关

跟着 NPC 跑图同样可以。流萤在前面带路,AI 就在后面跟着,上楼梯、拐弯,一路跑到广场。

AI跟随NPC跑图

打 Boss、开机关、跟人跑图,这些都被 AI 学会了。

VLA 代肝,不烧心

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。

Gamer模型架构示意

演示中玩《崩铁》的主力版本,由团队基于 80 亿参数的 Qwen3-VL-8B 进一步训练而来。

它能根据游戏画面和任务,决定按哪些键、鼠标往哪移、什么时候点击,再把这些操作真正执行出来。屏幕画面是视觉输入,任务指令告诉它要做什么,键鼠操作则是它输出的动作。

相较以往的 AI 玩游戏,Gamer 最大的亮点是把跨游戏的实时操作与长流程的记忆、规划,接进同一套 VLA 框架。

Gamer长流程规划示意

实战时,模型完全依靠屏幕画面、任务指令和已有记忆做判断,无需读取游戏内部接口或底层状态。随着任务推进,它还会动态记录「刚才完成了什么」「下一步准备干什么」。

论文给出的实测数据颇为硬核:在覆盖五个主线篇章、总计约 50 小时的《崩铁》长流程评估中,Gamer 的自主运行时间占比超过 95%。

长流程评估结果

为此,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,最后让模型进入游戏,通过试错和反馈继续提升。

第一步是持续预训练(CPT),让已具备图文理解能力的基座模型学会操作游戏。团队把不同游戏的录屏与玩家操作对齐,让模型学习画面与动作的关系:人物往前走,场景怎么变;鼠标往右移,镜头转向哪里。这些操作被整理成统一的键鼠格式,让不同游戏的数据进入同一套训练流程。

执行时,Gamer 每隔 200 毫秒读取一次画面,一次安排随后六个动作块,每块约 33 毫秒,对应 30Hz 的控制节奏。相当于看一眼、安排一小段动作,再根据新画面继续调整。

第二步是微调,团队整理了约 1000 小时高质量《崩铁》演示,把目标拆成具体操作、阶段性小目标和完整任务,教模型把动作组织起来。

这里有两个很实用的工程设计,核心都是解决长流程中的推理延迟与上下文爆炸问题:

  • 稀疏思考机制:沿确定路线前进时直接操作;遇到路线失败、目标切换或新的交互提示,再展开推理。
  • 记忆摘要机制:旧记录即将移出上下文时,模型先记下任务进度、失败尝试、重要地点和后续计划,让接下来的操作有据可循。

第三步是在线强化学习,团队提出 TA-GRPO,把长流程拆成由记忆衔接的片段,比较不同尝试在相应阶段的表现,再利用游戏环境核验的结果更新模型。有没有到达目标地点、有没有完成当前任务,都能成为训练反馈。

此外,配套的 Streaming-vLLM 推理引擎能复用已处理的上下文,并提前吐出生成且核验完毕的动作块,让游戏画面先动起来,大幅压低操作延迟。

实验测试

在跨游戏实验中,团队测试了 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。

比如在《我的世界》里,它能自己转视角锁定史莱姆,追上去挥剑劈砍:

AI在《我的世界》中追击史莱姆

切到第一人称射击游戏 ViZDoom,它又能迅速拉枪瞄准,连续点射逼近的敌人:

AI在ViZDoom中瞄准射击

在四项公共基准上,Gamer-8B-CPT 平均得分 29.5,所列通用模型对照中最高仅 17.6。

在七类小游戏、共 40 个未参与训练的任务中,基座模型仅 3.2%,经 CPT 升至 15.0%,SFT 后到 39.2%,加入强化学习后达到 49.7%。作为对比,同场竞技的通用模型最高分(GPT-6.1-Sol)仅为 17.1%。

标签:VLA强化学习

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款

小游戏任务测试结果

这些结果支持了团队的核心判断:通过统一的键鼠接口,把跨游戏学习、长期记忆和实时操作结合起来,可以让 AI 在复杂游戏中持续执行任务,并通过交互继续改进。

团队在论文结尾指出,这类能力有望用于自动化测试、加快游戏迭代,并支持新的玩法机制,从而降低开发成本。游戏成为 AI 的练习场,练出来的 AI 又能反过来帮助开发游戏。

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

刚刚,微软官方公开了科研研究Skill
TOP1

刚刚,微软官方公开了科研研究Skill

AI 助攻纳维-斯托克斯无外力爆破
TOP2

AI 助攻纳维-斯托克斯无外力爆破

3

OpenAI 详解 Codex 沙箱安全机制

13小时前
OpenAI 详解 Codex 沙箱安全机制
4

OpenAI 发布 MedChemBench 评测 AI 药物化学推理

13小时前
OpenAI 发布 MedChemBench 评测 AI 药物化学推理
5

Google 2027年停用 Nest 应用与助手

9小时前
Google 2027年停用 Nest 应用与助手
6

Thinking Machines 发布笔记本可跑的 Inkling 2 Mini

9小时前
Thinking Machines 发布笔记本可跑的 Inkling 2 Mini
7

FBI 调查犯罪信息数据库遭入侵

9小时前
FBI 调查犯罪信息数据库遭入侵
8

128GB 内存、1 PFLOPS:3.3 万起的 RTX Spark,到底值不值?

12小时前
128GB 内存、1 PFLOPS:3.3 万起的 RTX Spark,到底值不值?
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断