← Toutes les actualités

miHoYo et Tsinghua publient GameScaling en open source : de 0,8B à 27B, le compromis entre contrôle temps réel et transfert entre mondes

Selon un article de Jiqizhixin daté du 5 novembre 2026, miHoYo, avec l'université Tsinghua, l'université de Hong Kong, l'université nationale de Singapour et d'autres institutions, a publié en open source la série GameScaling, soit huit modèles de jeu couvrant quatre paliers de 0,8B à 27B ; les poids et le code d'inférence seraient diffusés sous Apache 2.0, et les modèles généreraient en temps réel des actions clavier-souris à partir de l'image et de la consigne de tâche.

Publication Mise à jour

Ce qui change

Selon un article de Jiqizhixin du 5 novembre 2026, miHoYo, avec l'université Tsinghua, l'université de Hong Kong, l'université nationale de Singapour et d'autres institutions, a publié la série GameScaling, huit modèles couvrant quatre paliers de taille (0,8B, 2B, 9B et 27B) ; les poids et le code d'inférence seraient publiés sous licence Apache 2.0. Les modèles reçoivent l'image du jeu, la consigne de tâche et l'historique récent des interactions, et produisent les actions clavier et souris des 200 millisecondes à venir. Les scènes présentées incluent miner, fabriquer et combattre des zombies dans Minecraft, combattre et se déplacer dans Doom, ainsi que trouver une sortie dans des tâches d'évasion. L'équipe indique que la série s'appuie sur un pré-entraînement continu à partir de la famille Qwen3.5, en utilisant des trajectoires de jeu de la communauté open source pour relier les connaissances du modèle vision-langage à des actions exécutables. Les expériences séparent la taille du modèle, le budget de données (six paliers de 50 à 1600 heures) et la diversité des données (cinq proportions), soit 120 configurations contrôlées ; l'évaluation s'étend de Minecraft et Doom, couverts par l'entraînement, à des mondes 3D proches jamais vus, puis à des mondes 2D et 2.5D dont l'angle de vue et les mécanismes d'action diffèrent davantage. Parmi les chiffres rapportés : sur les 30 tâches du benchmark MCU de Minecraft, GameScaling-27B-S1 atteint un taux de réussite moyen de 63,3 % ; selon les mesures de l'équipe, les six modèles de 0,8B à 9B peuvent approcher 5 observations par seconde et 30 pas d'action par seconde sur une seule H200 ou RTX 5090 ; à budget égal de 1600 heures, l'entraînement mixte multi-jeux obtient dans les sept mondes 3D apparentés jamais vus d'OmniGameArena un score moyen environ 2,8 fois supérieur à un entraînement sur Minecraft seul ; dans le protocole d'évaluation en temps réel de l'article, GameScaling-9B-S3 atteint une moyenne de 25,3 sur quatre benchmarks, contre 19,2 au maximum pour les modèles de pointe d'OpenAI, d'Anthropic et de Google testés, l'article précisant que cette comparaison inclut l'effet du déploiement et de la latence de service. L'équipe décrit aussi le rythme d'apprentissage, avec une première « phase d'interface » puis une « phase de monde » : les gains de la seconde dépendent davantage des jeux que le modèle a traversés, et la perte peut même augmenter sur des mondes lointains ; une loi d'échelle empirique de la perte de validation est ajustée pour les mondes couverts par l'entraînement, mais pour des mondes jamais vus et très différents, l'ajout de données et de taille de modèle n'apporte pas d'amélioration stable. Les auteurs indiquent que les travaux portent pour l'instant sur l'exploration des phénomènes de scaling entre mondes et que la performance de jeu finale n'a pas fait l'objet d'une optimisation spécifique.

Conséquences pour les développeurs

Ce n'est pas un modèle que l'on peut substituer directement à une interface de chat. La sortie de GameScaling est une séquence d'actions clavier-souris de durée fixe, et l'unité réelle d'intégration est une boucle côté jeu : capturer l'image, assembler la consigne de tâche et l'historique des interactions, appeler le modèle, injecter les actions dans le jeu, puis capturer l'image suivante. La fenêtre d'action de 200 millisecondes lie la fréquence d'observation et le pas des actions ; les « environ 5 observations par seconde et 30 pas d'action par seconde » rapportés correspondent à ce découpage, donc le débit n'est pas un indicateur optionnel mais la condition de la boucle fermée. Trois conséquences concrètes pour les développeurs. Premièrement, l'utilisabilité dépend de la configuration de suffixe, pas du nom de famille : 27B-S1, 9B-S3 et 2B-S3 sont des checkpoints différents, le numéro S correspondant à une proportion de diversité de données différente ; les scores de l'article ne se transfèrent pas d'un checkpoint à l'autre, et il faut d'abord déterminer lequel on veut reproduire. Deuxièmement, l'article limite la conclusion d'interaction temps réel sur une seule carte aux six modèles de 0,8B à 9B ; les 63,3 % du 27B sont un taux de réussite au sens des tâches MCU, sans chiffre de débit équivalent, et les lire comme « le 27B est lui aussi temps réel » dépasse le cadre de l'article. Troisièmement, les conclusions sur le transfert sont directionnelles : la diversité des données aide nettement pour des mondes 3D proches, mais pour des mondes 2D ou 2.5D où l'angle de vue et les mécanismes d'action diffèrent davantage, l'article indique clairement que l'ajout de données et de modèle n'apporte pas d'amélioration stable, voire peut dégrader. Si la cible n'est pas de la 3D à la première personne avec sémantique clavier-souris, ces poids ressemblent davantage à un point de départ intéressant qu'à une solution prête à mettre en production. Côté licence, Apache 2.0 est une affirmation de l'article : l'autorisation réelle dépend des fichiers du dépôt et de la fiche du modèle, et il faut notamment vérifier soi-même si le pré-entraînement continu est soumis à des conditions amont.

Intégration et évaluation

Les trois points ci-dessous sont des recommandations conditionnelles et des analyses fondées sur l'article ; ce ne sont ni des faits vérifiés ni une liste générique de migration. Décision un : commencer par répondre à « le jeu peut-il être mis en pause ? ». L'article teste deux modes, « mettre le jeu en pause pendant que le modèle réfléchit » et « jeu qui continue de tourner », et dans le second cas donne pour 9B-S3 une moyenne de 25,3 sur quatre benchmarks, supérieure au maximum de 19,2 des modèles de pointe testés, tout en précisant que cette comparaison inclut l'effet du déploiement et de la latence de service. Choix : si le scénario autorise la pause, par exemple du tour par tour ou une démonstration automatique dans un éditeur, on peut prendre un modèle plus grand, voire un modèle de pointe hébergé, comme décideur, et échanger de la capacité contre la pause ; si le jeu doit tourner en continu, par exemple en combat temps réel ou en environnement multijoueur, il faut restreindre les candidats aux paliers pour lesquels l'article donne des chiffres de débit sur une carte, et faire de la latence le premier critère de sélection. Prérequis : l'état de votre environnement continue de changer pendant l'inférence. Critère mesurable : dans votre propre encapsulation du jeu, mesurer la proportion de décisions encore valides au moment où elles arrivent, ainsi que la latence de bout en bout médiane et dans la queue d'une décision, et pas seulement le temps d'inférence d'une image ; la fenêtre d'action de 200 millisecondes peut servir de point de départ pour aligner les protocoles. Décision deux : choisir la proportion de données en fonction de la distance entre le monde ciblé et la couverture d'entraînement, pas en fonction du nombre de paramètres. L'article indique qu'à budget égal de 1600 heures, l'entraînement mixte multi-jeux obtient dans sept mondes 3D apparentés jamais vus un score moyen environ 2,8 fois supérieur à celui d'un entraînement sur Minecraft seul, tandis que les mondes 2D et 2.5D plus éloignés ne montrent pas d'amélioration stable. Choix : si la cible est de la 3D à la première personne avec sémantique clavier-souris proche de Minecraft et Doom, partir de préférence d'un checkpoint mixte multi-jeux, les versions mono-jeu servant plutôt de base de comparaison ; si la cible est un jeu très différent en angle de vue ou en espace d'action, ne pas compter sur un checkpoint plus grand pour résoudre le problème, mais investir le budget dans la couverture des mondes et le retour d'interaction, l'article classant d'ailleurs « apprendre à partir du retour de succès et d'échec » parmi les éléments encore manquants. Prérequis : pouvoir déterminer si le jeu cible se situe du côté « 3D proche » ou « monde plus lointain ». Critère mesurable : définir des tâches de validation dans le jeu cible, faire un A/B avec le même critère de réussite, comparer taux de réussite et variance par tâche entre proportion mixte et proportion mono-jeu, et noter l'écart entre les budgets de 50 heures et de 1600 heures. Décision trois : traiter les 63,3 % de MCU comme un filtre, pas comme une promesse. Il s'agit du taux de réussite moyen de GameScaling-27B-S1 sur les 30 tâches du benchmark MCU de Minecraft, rattaché à un ensemble de tâches, un checkpoint et un protocole d'évaluation précis. Choix : construire ou reproduire d'abord un ensemble de tâches fixe, puis décider d'investir ou non dans la puissance de calcul du palier 27B, plutôt que de préparer les GPU avant de chercher un indicateur. Prérequis : votre version du jeu, vos mods et votre fréquence d'observation sont assez proches du protocole de l'article, sinon les comparaisons entre protocoles n'ont pas de sens. Critère mesurable : taux de réussite et amplitude de variation sur le même ensemble de tâches avec plusieurs graines, en précisant si le jeu est en pause ou tourne en continu pendant l'évaluation, l'article traitant les deux modes séparément et leur mélange rendant les chiffres incomparables.

Limites et points à confirmer

La série GameScaling n'apparaît pas actuellement dans le catalogue de modèles en direct de KimiSeek : dans cet article, la disponibilité renvoie aux poids et au code d'inférence publiés par le projet sur Hugging Face et GitHub, selon le point de vue de l'équipe et du fabricant. Cette version n'est pas un modèle référencé sur KimiSeek, KimiSeek n'en fournit pas de point d'accès, et toute mention d'API ou de disponibilité de service dans l'article renvoie au fournisseur. Le socle Qwen3.5 mentionné n'a pas non plus de correspondance exacte dans le catalogue ; les autres versions de Qwen qui y figurent sont des versions différentes, et l'on ne peut en déduire ni capacités ni prix. Autres inconnues et limites : l'article ne détaille pas les fichiers de licence des poids et du code d'inférence, Apache 2.0 n'étant qu'une affirmation de la source ; il faut vérifier soi-même si le pré-entraînement continu hérite de conditions amont. Les chiffres de débit sur une seule carte et la comparaison 25,3 contre 19,2 valent dans le mode de déploiement et d'appel décrit par l'article ; rien ne prouve qu'ils tiennent avec un autre matériel, une autre version du jeu ou un autre espace d'action. On ne sait pas si les 63,3 % de MCU correspondent au mode avec pause ou au mode en continu. L'évaluation porte sur un ensemble de tâches limité et quelques mondes jamais vus ; la stabilité sur longue durée, la reprise après interruption et les performances en multijoueur ou en environnement adversarial ne sont pas abordées. L'équipe indique elle-même se concentrer pour l'instant sur l'exploration des phénomènes de scaling entre mondes, sans optimisation pour la performance de jeu finale : le présenter comme une solution d'IA de jeu directement exploitable dépasserait le cadre de l'article.

Trois minutes jusqu’au premier appel

Créez un compte et une clé API. Le coût des appels est déduit de votre solde. 30 % de réduction sur la première recharge. Rechargez ¥500, payez ¥350, recevez ¥500 de crédit. Rechargez ¥1000, payez ¥850, recevez ¥1000 de crédit Vous pouvez toujours commencer par une recharge d’essai de ¥10.

Sources et méthode éditoriale

迈向通用游戏智能,清华、米哈游开源 GameScaling 系列模型

L’IA a assisté l’analyse et la traduction des sources citées, suivies de contrôles automatiques. Les conseils ne sont pas des résultats de tests. Consultez le catalogue actuel pour les prix et la disponibilité.