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。

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。

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。

打 Boss、开机关、跟人跑图,这些都被 AI 学会了。
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。

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。

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%。

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:
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。
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:

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:

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%。
免费获取企业 AI 成熟度诊断报告,发现转型机会

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。
关注公众号

扫码关注,获取最新 AI 资讯
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