米哈游と清華大学がGameScalingをオープンソース化:0.8Bから27B、リアルタイム操作とクロスワールド転移のトレードオフ
機器之心が2026年11月5日に報じたところによると、米哈游は清華大学、香港大学、シンガポール国立大学などの機関と共同でGameScalingシリーズ計8モデルをオープンソース化した。0.8Bから27Bまでの4段階をカバーし、報道によれば重みと推論コードはいずれもApache 2.0で公開され、画面とタスク指示に基づいてキーボード・マウス操作をリアルタイムに生成できるという。
主な変更
機器之心が2026年11月5日に報じたところによると、米哈游は清華大学、香港大学、シンガポール国立大学などの機関と共同でGameScalingシリーズをオープンソース化した。計8モデルで、0.8B、2B、9B、27Bの4段階の規模をカバーし、報道によれば重みと推論コードはいずれもApache 2.0ライセンスで公開されている。モデルはゲーム画面、タスク指示、直近のインタラクション履歴を受け取り、今後200ミリ秒分のキーボード・マウス操作を出力する。示された場面には『Minecraft』での採掘、クラフト、ゾンビとの戦闘、Doomでの戦闘とナビゲーション、シーン脱出タスクでの出口探しが含まれる。チームは、このシリーズがQwen3.5シリーズをベースに継続的事前学習を行ったもので、オープンソースコミュニティのゲーム軌跡を用いて視覚言語モデルの知識と実行可能な操作をつなぐと述べている。実験ではモデル規模、データ予算(50〜1600時間の計6段階)、データ多様性(5種類の配合)を分けて検討し、120組の統制された構成を形成した。評価は訓練でカバーしたMinecraftとDoomから、未見の類似した3D世界、さらに視点と操作機構の違いがより大きい2D、2.5D世界へと広げている。報道が示した数字には次のものがある。『Minecraft』のMCUベンチマーク30タスクでGameScaling-27B-S1の平均成功率は63.3%。0.8Bから9Bまでの6モデルはチームの実測で、単一のH200またはRTX 5090上で毎秒約5回の観測、毎秒30ステップの動作に近い性能を出せるとされる。同じ1600時間予算の下で、マルチゲーム混合訓練はOmniGameArenaの未見の関連3D世界7つでの平均スコアがMinecraftのみを訓練した場合の約2.8倍だった。論文のリアルタイム評価設定において、GameScaling-9B-S3は4つのベンチマークの平均スコアで25.3に達し、計測されたOpenAI、Anthropic、Googleのフロンティアモデルの最高値19.2を上回った。報道はこの比較にデプロイとサービスの遅延の影響が含まれることも説明している。チームはさらに、初期の「インターフェース段階」とその後の「ワールド段階」という学習のリズムを述べている。後の段階の利得はモデルがどのゲームを経験したかにより依存し、遠い世界に対しては損失がむしろ上昇することもある。訓練でカバーした世界については検証損失の経験的Scaling Lawをフィットしたが、差異の大きい未見世界では、データとモデル規模を増やし続けても安定した改善は得られなかった。著者らは、現在はクロスワールドのScaling現象の探索に重点を置いており、最終的なゲーム性能に向けた特定の最適化はまだ行っていないと述べている。
開発者への影響
これはチャットAPIをそのまま差し替えられるモデルではない。GameScalingの出力は固定長のキーボード・マウス操作列であり、実際の接続単位はゲーム側の閉ループになる。フレームを取得し、タスク指示とインタラクション履歴を連結し、モデルを呼び出し、操作をゲームに注入し、次のフレームを取得する。200ミリ秒の動作ウィンドウは観測頻度と動作ステップ率を結びつけており、報道の「毎秒約5回の観測、毎秒30ステップの動作」はまさにこの分割に対応する。したがってスループットは選択可能な指標ではなく、閉ループが成立するかどうかの前提条件である。開発者にとっての具体的な影響は3点ある。第一に、可用性はファミリー名ではなくサフィックスの構成に依存する。27B-S1、9B-S3、2B-S3は異なるチェックポイントであり、S番号は異なるデータ多様性の配合に対応する。報道のスコアをこれらのチェックポイント間で持ち運ぶことはできないので、選定前にどのチェックポイントを再現するのかを先に確定する必要がある。第二に、報道は単一カードでのリアルタイム対話の結論を0.8Bから9Bの6モデルに限定している。27Bの63.3%はMCUタスク口径の成功率であり、同等のスループット数値は添えられていない。「27Bもリアルタイムで動く」と読むのは報道の範囲を超える。第三に、転移の結論には方向性がある。データ多様性は類似した3D世界には明らかに役立つが、2D、2.5Dのように視点と操作機構の差がより大きい世界では、データを増やしモデルを増やしても安定した改善はなく、むしろ悪化する可能性があると報道は明言している。目標が一人称3Dとキーボード・マウス意味論でないなら、この重み群は価値ある出発点に近く、そのまま投入できるソリューションではない。ライセンス面では、Apache 2.0は報道の記述であり、実際の許諾はリポジトリとモデルカードのファイルによる。特に継続的事前学習が上流の条項に拘束されるかは自分で確認する必要がある。
導入と評価の提案
以下三条は報道に基づく条件付きの提案と分析であり、検証済みの事実でも汎用の移行チェックリストでもない。 意思決定1:まず「ゲームを一時停止できるか」に答える。報道は「モデルが思考している間はゲームを一時停止する」モードと「ゲームを動かし続ける」モードを分けてテストし、動かし続ける口径で9B-S3が4ベンチマーク平均25.3、計測されたフロンティアモデルの最高値19.2を上回る結果を示すとともに、この比較にデプロイとサービスの遅延の影響が含まれると説明している。選択:シナリオが一時停止を許す場合、たとえばターン制やエディタ内の自動デモでは、より大きなモデルやホスト型のフロンティアモデルを意思決定器として使い、一時停止と引き換えに能力を得られる。ゲームを動かし続けなければならない場合、たとえばリアルタイム戦闘やマルチプレイ環境では、報道が単一カードのスループット数値を示した階層に候補を限定し、遅延を第一の選別条件にすべきである。前提:あなたの環境状態は推論中も変化し続ける。測定可能な基準:自分のゲームラッパー内で「意思決定が到着した時点でまだ有効な」割合、および1回の意思決定のエンドツーエンド遅延の中央値と裾を測る。単一フレームの推論時間だけを測ってはならない。200ミリ秒の動作ウィンドウは口径を合わせる出発点として使える。 意思決定2:パラメータ数ではなく、目標世界と訓練カバレッジの距離でデータ配合を選ぶ。報道によれば、同じ1600時間予算で、マルチゲーム混合訓練は未見の関連3D世界7つでの平均スコアがMinecraftのみを訓練した場合の約2.8倍だったが、より遠い2D、2.5D世界では安定した改善はなかった。選択:目標がMinecraft、Doomに近い一人称3Dキーボード・マウス意味論なら、マルチゲーム混合のチェックポイントから始め、単一ゲーム版は対照ベースラインに向く。目標が視点や動作空間の差が大きいゲームなら、より大きなチェックポイントに替えれば解決するとは期待せず、予算を世界のカバレッジとインタラクションのフィードバックに振り向けるべきである。報道も「成功・失敗のフィードバックを利用した学習」をまだ欠けている環節として挙げている。前提:目標ゲームが「近い3D」側か「より遠い世界」側かを判断できること。測定可能な基準:目標ゲーム内にホールドアウトタスクを切り出し、同じ成功判定でA/Bを行い、混合配合と単一ゲーム配合の成功率とタスクごとの分散を比較し、50時間と1600時間の2段階の予算での差を記録する。 意思決定3:MCUの63.3%は約束値ではなく選別項目として扱う。これはGameScaling-27B-S1が『Minecraft』MCUベンチマーク30タスクで出した平均成功率であり、口径は特定のタスクセット、チェックポイント、評価設定に結びついている。選択:まず固定のタスクセットを自作または再現してから27B階層の計算資源を投入するか決める。先にGPUを用意してから指標を探すのではない。前提:あなたのゲームのバージョン、MOD、観測頻度が論文の設定に十分近いこと。そうでなければ口径をまたぐ比較に意味はない。測定可能な基準:同一タスクセット、複数シードでの成功率とその変動幅。評価時にゲームが一時停止していたか動き続けていたかを明記する。報道は2つのモードを分けて扱っており、混用すると数字の比較可能性が失われる。
制限と未確認事項
GameScalingシリーズは現在KimiSeekのリアルタイムモデルカタログには存在しない。本稿での可用性とは、プロジェクト自身がHugging FaceとGitHubで公開している重みと推論コードを指し、チームとベンダー側の口径である。このバージョンはKimiSeekに掲載済みのモデルではなく、KimiSeekはその呼び出し口を提供していない。報道がAPIやサービスの可用性に触れる場合、それは提供元を指す。報道で言及されたQwen3.5ベースもカタログに正確に対応する項目はなく、カタログ内の他のQwenバージョンは別バージョンであり、これから能力や価格を推測することはできない。 その他の不明点と境界:報道は重みと推論コードの具体的なライセンスファイルの詳細には触れておらず、Apache 2.0はあくまで来源の記述である。継続的事前学習が上流の条項を継承するかは自分で確認する必要がある。単一カードのスループット数値と25.3対19.2の比較はいずれも報道が述べるデプロイと呼び出し方式の下でのもので、ハードウェア、ゲームビルド、動作空間を変えても成り立つかは証拠がない。MCUの63.3%が一時停止モードか動き続けるモードかは説明されていない。評価が覆うのは限られたタスクセットと若干の未見世界であり、長時間の安定性、中断からの復帰、マルチプレイや対戦環境での性能には触れていない。チーム自身が、現在はクロスワールドのScaling現象の探索に重点を置き、最終的なゲーム性能に向けた最適化はまだ行っていないと述べており、そのまま投入できるゲームAIソリューションと見なすのは報道の範囲を超える。