← Alle Modellneuigkeiten

miHoYo und Tsinghua veröffentlichen GameScaling als Open Source: 0,8B bis 27B, Abwägung zwischen Echtzeitbetrieb und Welttransfer

Laut einem Bericht von Jiqizhixin vom 5. November 2026 haben miHoYo gemeinsam mit der Tsinghua-Universität, der Universität Hongkong, der National University of Singapore und weiteren Institutionen die GameScaling-Reihe mit insgesamt acht Spielmodellen als Open Source veröffentlicht, in vier Stufen von 0,8B bis 27B. Dem Bericht zufolge werden Gewichte und Inferenzcode unter Apache 2.0 veröffentlicht; aus Spielbildern und Aufgaben-Prompts können die Modelle in Echtzeit Tastatur- und Mausaktionen erzeugen.

Veröffentlicht Aktualisiert

Was sich geändert hat

Laut einem Bericht von Jiqizhixin vom 5. November 2026 hat miHoYo gemeinsam mit der Tsinghua-Universität, der Universität Hongkong, der National University of Singapore und weiteren Institutionen die Reihe GameScaling als Open Source veröffentlicht, insgesamt acht Modelle in den vier Größenklassen 0,8B, 2B, 9B und 27B. Dem Bericht zufolge werden sowohl die Gewichte als auch der Inferenzcode unter der Apache-2.0-Lizenz veröffentlicht. Die Modelle nehmen Spielbilder, Aufgaben-Prompts und die jüngere Interaktionshistorie entgegen und geben Tastatur- und Mausaktionen für die kommenden 200 Millisekunden aus. Zu den gezeigten Szenarien gehören Bergbau, Crafting und Zombie-Kämpfe in Minecraft, Kampf und Navigation in Doom sowie das Finden eines Auswegs in Szenario-Escape-Aufgaben. Das Team gibt an, die Reihe beruhe auf kontinuierlicher Vortrainierung auf der Qwen3.5-Reihe und verbinde mit Spieltrajektorien aus der Open-Source-Community das Wissen des Vision-Language-Modells mit ausführbaren Aktionen. Die Experimente trennen Modellgröße, Datenbudget (sechs Stufen von 50 bis 1600 Stunden) und Datenvielfalt (fünf Mischungsverhältnisse) und ergeben 120 kontrollierte Konfigurationen; die Evaluierung reicht von den trainierten Umgebungen Minecraft und Doom über nie gesehene, ähnliche 3D-Welten bis zu 2D- und 2,5D-Welten mit deutlich stärker abweichender Perspektive und Steuerungsmechanik. Zu den im Bericht genannten Zahlen gehören: In der MCU-Benchmark für Minecraft erreicht GameScaling-27B-S1 über 30 Aufgaben eine durchschnittliche Erfolgsrate von 63,3 Prozent; die sechs Modelle von 0,8B bis 9B erreichen nach Messung des Teams auf einer einzelnen H200 oder RTX 5090 nahezu 5 Beobachtungen pro Sekunde und 30 Aktionsschritte pro Sekunde; bei gleichem Budget von 1600 Stunden erzielt das Training mit gemischten Spielen in den sieben nie gesehenen, verwandten 3D-Welten von OmniGameArena im Mittel etwa das 2,8-Fache dessen, was ein Training nur mit Minecraft erreicht; unter den Echtzeit-Evaluierungseinstellungen des Papers erreicht GameScaling-9B-S3 über vier Benchmarks einen Durchschnittswert von 25,3 und liegt damit über dem Höchstwert von 19,2 der getesteten Frontier-Modelle von OpenAI, Anthropic und Google, wobei der Bericht anmerkt, dass dieser Vergleich auch Effekte von Deployment- und Serving-Latenz enthält. Das Team beschreibt zudem den Lernrhythmus einer früheren „Schnittstellenphase“ und einer späteren „Weltphase“: Der Nutzen der zweiten Phase hängt stärker davon ab, welche Spiele das Modell erlebt hat, und der Loss kann für weit entfernte Welten sogar steigen; für die vom Training abgedeckten Welten wurde eine empirische Scaling Law für den Validierungs-Loss angepasst, für stärker abweichende, ungesehene Welten brachten weiter steigende Daten- und Modellgrößen jedoch keine stabile Verbesserung. Die Autoren geben an, der Schwerpunkt liege derzeit auf der Erkundung des weltübergreifenden Scaling-Phänomens, eine gezielte Optimierung auf die endgültige Spielleistung stehe noch aus.

Auswirkungen für Entwickler

Dies ist kein Modell, das man einfach an eine Chat-Schnittstelle anstelle. Die Ausgabe von GameScaling ist eine Aktionssequenz für Tastatur und Maus mit fester Dauer; die tatsächliche Anschluss-Einheit ist ein spielseitiger geschlossener Regelkreis: Frame erfassen, Aufgaben-Prompt und Interaktionshistorie zusammenfügen, Modell aufrufen, Aktionen ins Spiel einspeisen, den nächsten Frame erfassen. Das Aktionsfenster von 200 Millisekunden koppelt Beobachtungsfrequenz und Aktionsschrittrate; die im Bericht genannten „rund 5 Beobachtungen und 30 Aktionsschritte pro Sekunde“ entsprechen genau dieser Aufteilung, weshalb der Durchsatz keine optionale Kennzahl ist, sondern Voraussetzung dafür, dass der Regelkreis überhaupt geschlossen werden kann. Für Entwickler ergeben sich drei konkrete Konsequenzen. Erstens hängt die Nutzbarkeit von der Suffix-Konfiguration ab, nicht vom Familiennamen: 27B-S1, 9B-S3 und 2B-S3 sind unterschiedliche Checkpoints, die S-Nummer entspricht unterschiedlichen Mischungsverhältnissen der Datenvielfalt, und die im Bericht genannten Werte lassen sich nicht zwischen diesen Checkpoints übertragen; vor der Auswahl muss klar sein, welcher Checkpoint reproduziert werden soll. Zweitens begrenzt der Bericht die Aussage zur Echtzeit-Interaktion auf einer einzelnen Karte auf die sechs Modelle von 0,8B bis 9B; die 63,3 Prozent für 27B sind eine Erfolgsrate im Rahmen der MCU-Aufgaben und werden nicht mit entsprechenden Durchsatzwerten geliefert, sie als „27B läuft ebenfalls in Echtzeit“ zu lesen geht über den Bericht hinaus. Drittens haben die Transfer-Aussagen eine Richtung: Datenvielfalt hilft deutlich bei ähnlichen 3D-Welten, doch für 2D- und 2,5D-Welten mit deutlich größeren Unterschieden in Perspektive und Steuerungsmechanik heißt es im Bericht ausdrücklich, dass mehr Daten und größere Modelle keine stabile Verbesserung bringen und es sogar schlechter werden kann. Ist das Ziel nicht die Semantik „First-Person-3D plus Tastatur und Maus“, sind diese Gewichte eher ein wertvoller Ausgangspunkt als eine einsatzfähige Lösung. Zur Lizenz: Apache 2.0 ist eine Aussage des Berichts; maßgeblich sind die tatsächlichen Dateien im Repository und in der Modellkarte, und insbesondere ist selbst zu prüfen, ob die kontinuierliche Vortrainierung an Bedingungen vorgelagerter Lizenzen gebunden ist.

Integration und Bewertung

Die folgenden drei Punkte sind bedingte Empfehlungen und Analysen auf Basis des Berichts, keine verifizierten Fakten und keine allgemein gültige Migrations-Checkliste. Entscheidung eins: Zuerst beantworten, ob das Spiel pausiert werden kann. Der Bericht testet zwei Modi – „das Spiel pausieren, während das Modell denkt“ und „das Spiel läuft durchgehend weiter“ – und nennt im durchgehenden Modus für 9B-S3 einen Durchschnitt von 25,3 über vier Benchmarks, höher als der Höchstwert von 19,2 der getesteten Frontier-Modelle, wobei er anmerkt, dass dieser Vergleich Effekte von Deployment- und Serving-Latenz einschließt. Wahl: Erlaubt das Szenario eine Pause, etwa rundenbasiert oder als automatische Demonstration im Editor, kann man ein größeres Modell oder sogar ein gehostetes Frontier-Modell als Entscheider einsetzen und Fähigkeit gegen Pausen tauschen; muss das Spiel durchgehend laufen, etwa in Echtzeitkämpfen oder Mehrspielerumgebungen, sollte man die Kandidaten auf die Größenklassen beschränken, für die der Bericht Durchsatzwerte auf einer einzelnen Karte nennt, und die Latenz zum ersten Filterkriterium machen. Voraussetzung: Der Zustand Ihrer Umgebung ändert sich während der Inferenz weiter. Messbare Kriterien: Erfassen Sie in Ihrem eigenen Spiel-Wrapper den Anteil der Entscheidungen, die beim Eintreffen noch gültig sind, sowie den Median und die langen Ausläufer der Ende-zu-Ende-Latenz einer einzelnen Entscheidung – nicht nur die Inferenzzeit eines einzelnen Frames; das Aktionsfenster von 200 Millisekunden kann als Ausgangspunkt für eine einheitliche Messweise dienen. Entscheidung zwei: Die Datenmischung nach der Distanz zwischen Zielwelt und Trainingsabdeckung wählen, nicht nach Parameterzahl. Der Bericht nennt bei gleichem Budget von 1600 Stunden für gemischtes Training mit mehreren Spielen in den sieben nie gesehenen, verwandten 3D-Welten im Mittel etwa das 2,8-Fache dessen, was ein Training nur mit Minecraft erreicht, während es für weiter entfernte 2D- und 2,5D-Welten keine stabile Verbesserung gab. Wahl: Ist das Ziel eine zu Minecraft und Doom ähnliche First-Person-3D-Semantik mit Tastatur und Maus, sollte man mit einem Checkpoint aus gemischtem Multi-Spiel-Training beginnen, während Einzelspiel-Versionen eher als Vergleichsbasis taugen; ist das Ziel ein Spiel mit stark abweichender Perspektive oder stark abweichendem Aktionsraum, sollte man nicht darauf hoffen, das Problem mit einem größeren Checkpoint zu lösen, sondern das Budget in Weltabdeckung und Interaktions-Feedback stecken – der Bericht nennt auch „Lernen aus Erfolgs- und Misserfolgs-Feedback“ als weiterhin fehlenden Baustein. Voraussetzung: Sie können einschätzen, ob das Zielspiel auf der Seite „ähnliches 3D“ oder „entferntere Welt“ liegt. Messbare Kriterien: Legen Sie im Zielspiel zurückgehaltene Aufgaben fest und vergleichen Sie in einem A/B-Test mit derselben Erfolgsbewertung die Erfolgsrate und die Varianz pro Aufgabe zwischen gemischter und Einzelspiel-Mischung, und protokollieren Sie die Differenz zwischen den Budgets von 50 und 1600 Stunden. Entscheidung drei: Die 63,3 Prozent der MCU als Filterkriterium behandeln, nicht als Zusage. Das ist die durchschnittliche Erfolgsrate von GameScaling-27B-S1 über 30 Aufgaben der Minecraft-MCU-Benchmark, gebunden an einen konkreten Aufgabensatz, Checkpoint und Evaluierungseinstellungen. Wahl: Erst einen eigenen festen Aufgabensatz aufbauen oder reproduzieren, dann entscheiden, ob Rechenleistung für die 27B-Klasse investiert wird – nicht erst die GPUs bereitstellen und dann Kennzahlen suchen. Voraussetzung: Ihre Spielversion, Mods und Beobachtungsfrequenz liegen nahe genug an den Einstellungen des Papers, sonst ist ein Vergleich über verschiedene Messweisen hinweg bedeutungslos. Messbare Kriterien: Erfolgsrate und deren Schwankungsbreite bei gleichem Aufgabensatz über mehrere Seeds, mit Angabe, ob das Spiel während der Evaluierung pausiert oder durchgehend betrieben wurde – der Bericht behandelt beide Modi getrennt, eine Vermischung macht die Zahlen unvergleichbar.

Grenzen und offene Fragen

Die Reihe GameScaling erscheint derzeit nicht im Live-Modellkatalog von KimiSeek; die in diesem Artikel genannte Verfügbarkeit bezieht sich auf die vom Projekt selbst auf Hugging Face und GitHub bereitgestellten Gewichte und den Inferenzcode und folgt damit der Darstellung von Team und Anbieter. Diese Version ist kein bei KimiSeek gelistetes Modell, KimiSeek bietet dafür keinen Zugangsweg an; sofern der Bericht API- oder Service-Verfügbarkeit erwähnt, bezieht sich das auf den Anbieter. Auch für die im Bericht genannte Qwen3.5-Basis gibt es im Katalog keine exakte Entsprechung; andere Qwen-Versionen im Katalog sind andere Versionen und erlauben keine Rückschlüsse auf Fähigkeiten oder Preise. Weitere Unbekannte und Grenzen: Der Bericht führt die konkreten Lizenzdateien für Gewichte und Inferenzcode nicht aus; Apache 2.0 ist lediglich eine Aussage der Quelle. Ob die kontinuierliche Vortrainierung Bedingungen vorgelagerter Lizenzen erbt, ist selbst zu prüfen. Die Durchsatzwerte für eine einzelne Karte und der Vergleich 25,3 gegen 19,2 gelten unter den im Bericht beschriebenen Deployment- und Aufrufarten; ob sie bei anderer Hardware, anderem Spiel-Build oder anderem Aktionsraum Bestand haben, ist nicht belegt. Für die 63,3 Prozent der MCU ist nicht angegeben, ob sie dem pausierten oder dem durchgehenden Modus entsprechen. Die Evaluierung deckt einen begrenzten Aufgabensatz und einige ungesehene Welten ab; langfristige Stabilität, Wiederaufnahme nach Unterbrechungen sowie Verhalten in Mehrspieler- oder kompetitiven Umgebungen werden nicht behandelt. Das Team gibt selbst an, der Schwerpunkt liege derzeit auf der Erkundung des weltübergreifenden Scaling-Phänomens, eine Optimierung auf die endgültige Spielleistung stehe noch aus; die Reihe als direkt einsatzfähige Spiel-KI-Lösung zu betrachten würde über den Bericht hinausgehen.

In drei Minuten zum ersten Aufruf

Erstelle ein Konto und einen API-Schlüssel. Aufrufe werden von deinem Guthaben abgebucht. 30 % Rabatt auf die erste Aufladung. ¥500 aufladen, ¥350 zahlen, ¥500 Guthaben erhalten. ¥1000 aufladen, ¥850 zahlen, ¥1000 Guthaben erhalten Die Mindestaufladung bleibt ¥10 und eignet sich zum Ausprobieren.

Quellen und redaktioneller Prozess

迈向通用游戏智能,清华、米哈游开源 GameScaling 系列模型

KI unterstützte die Analyse und Übersetzung der genannten Quellen, gefolgt von automatischen Qualitätsprüfungen. Empfehlungen sind keine Testergebnisse. Verfügbarkeit und Preise stehen im aktuellen Katalog.