米哈游和清华开源GameScaling，模型每次预测200毫秒键鼠动作

米哈游崩坏 AI 团队联合清华大学等机构，开源了一个游戏操作模型系列 GameScaling。

它做的事情很具体：看游戏画面，输出键盘和鼠标操作。每次预测未来 200 毫秒的键鼠动作。

底座是 Qwen3.5 视觉语言模型，在键鼠操作数据上继续预训练，尺寸从 0.8B 到 27B 都有。

这篇论文更有价值的地方，是它认真做了一组“规模实验”。

研究团队跑了 120 组训练配置，分别看数据量、数据多样性和模型规模对效果的影响。结论有三条：同一款游戏里，数据越多表现越好；多样的数据有助于迁移到相近的游戏；但面对玩法差异很大的游戏世界，提升有限。

第三条说得很实在。很多人期待“一个模型会玩所有游戏”，但至少在这个规模下，跨度太大的迁移还做不到。

开源部分包括八个检查点和推理客户端，协议是 Apache-2.0，可以商用。训练代码没放出来。

游戏公司做这个，用途不难想：自动化测试、陪玩 NPC、新手引导，甚至给开放世界里的角色更自然的行为。米哈游的游戏量大、类型多，数据上有天然优势。对外开源模型、自己留训练管线，这个分寸拿得也挺清楚。