미호요, 칭화대와 함께 GameScaling 오픈소스 공개: 0.8B~27B, 실시간 조작과 크로스월드 전이의 트레이드오프
머신하트가 2026년 11월 5일 보도한 바에 따르면, 미호요는 칭화대, 홍콩대, 싱가포르국립대 등 기관과 함께 게임 모델 8개로 구성된 GameScaling 시리즈를 오픈소스로 공개했다. 0.8B부터 27B까지 네 단계 규모를 아우르며, 보도에 따르면 가중치와 추론 코드는 모두 Apache 2.0으로 배포되어 화면과 작업 프롬프트에 따라 실시간으로 키보드·마우스 조작을 생성한다.
주요 변화
머신하트가 2026년 11월 5일 보도한 바에 따르면, 미호요는 칭화대, 홍콩대, 싱가포르국립대 등 기관과 함께 GameScaling 시리즈를 오픈소스로 공개했으며, 총 8개 모델로 0.8B, 2B, 9B, 27B 네 단계 규모를 아우른다. 보도에 따르면 가중치와 추론 코드는 모두 Apache 2.0 라이선스로 배포된다. 모델은 게임 화면, 작업 프롬프트, 최근 상호작용 이력을 입력받아 향후 200밀리초의 키보드·마우스 조작을 출력하며, 시연된 장면으로는 《마인크래프트》에서 채굴·제작·좀비 퇴치, Doom에서 전투와 내비게이션, 그리고 탈출 과제에서 출구 찾기가 있다. 팀은 이 시리즈가 Qwen3.5 시리즈를 기반으로 지속 사전학습했으며, 오픈소스 커뮤니티의 게임 궤적으로 시각언어모델의 지식과 실행 가능한 조작을 연결했다고 밝혔다. 실험은 모델 규모, 데이터 예산(50~1600시간, 총 여섯 단계), 데이터 다양성(다섯 가지 배합)을 분리해 살펴보며 120개 통제 구성을 만들었다. 평가는 학습에 포함된 Minecraft와 Doom에서 학습에서 보지 못한 유사 3D 세계로, 다시 시점과 조작 메커니즘 차이가 더 큰 2D, 2.5D 세계로 확장됐다. 보도가 제시한 수치로는 《마인크래프트》 MCU 벤치마크 30개 과제에서 GameScaling-27B-S1의 평균 성공률 63.3%; 0.8B~9B 여섯 모델이 팀 자체 실측으로 단일 H200 또는 RTX 5090에서 초당 약 5회 관측, 초당 30스텝 동작에 근접; 동일한 1600시간 예산에서 멀티게임 혼합 학습이 OmniGameArena의 처음 보는 관련 3D 세계 7곳에서 평균 점수가 Minecraft만 학습한 경우의 약 2.8배; 논문의 실시간 평가 설정에서 GameScaling-9B-S3가 네 개 벤치마크 평균 25.3점으로 측정된 OpenAI, Anthropic, Google 프런티어 모델 최고값 19.2를 상회했으며, 보도는 이 비교에 배포 및 서비스 지연의 영향이 포함된다고도 설명했다. 팀은 또한 초기 '인터페이스 단계'와 이후 '월드 단계'의 학습 리듬을 설명했는데, 후자의 이득은 모델이 어떤 게임을 겪었는지에 더 좌우되고 먼 세계에 대한 손실은 오히려 상승할 수 있다. 학습에 포함된 세계에 대해서는 검증 손실의 경험적 Scaling Law를 적합했지만, 차이가 큰 미학습 세계에서는 데이터와 모델 규모를 계속 늘려도 안정적인 개선이 나타나지 않았다. 저자들은 현재 크로스월드 Scaling 현상 탐구에 중점을 두고 있으며 최종 게임 성능을 겨냥한 특정 최적화는 아직 하지 않았다고 밝혔다.
개발자에게 미치는 영향
이것은 채팅 인터페이스를 바로 대체할 수 있는 모델이 아니다. GameScaling의 출력은 고정 길이의 키보드·마우스 동작 시퀀스이고, 실제 접속 단위는 게임 측 폐루프, 즉 프레임 캡처, 작업 프롬프트와 상호작용 이력 결합, 모델 호출, 게임에 동작 주입, 다음 프레임 캡처다. 200밀리초 동작 창은 관측 주기와 동작 스텝 레이트를 묶어버리며, 보도가 제시한 '초당 약 5회 관측, 초당 30스텝 동작'이 바로 이 분할에 해당한다. 따라서 처리량은 선택적 지표가 아니라 폐루프가 가능한지의 전제다. 개발자에게 구체적인 영향은 세 가지다. 첫째, 사용 가능성은 패밀리명이 아니라 접미사 구성에 달려 있다. 27B-S1, 9B-S3, 2B-S3는 서로 다른 체크포인트이고 S 번호는 서로 다른 데이터 다양성 배합에 대응하므로, 보도의 점수를 이들 체크포인트 사이에서 옮겨 쓸 수 없고, 선정 전에 재현하려는 것이 어느 것인지 먼저 정해야 한다. 둘째, 보도는 단일 카드 실시간 상호작용 결론을 0.8B~9B 여섯 모델로 한정했고, 27B의 63.3%는 MCU 과제 기준 성공률이며 동등한 처리량 수치를 동반하지 않는다. 이를 '27B도 실시간이 가능하다'로 읽는 것은 보도 범위를 넘는다. 셋째, 전이 결론에는 방향성이 있다. 데이터 다양성은 유사 3D 세계에 뚜렷이 도움이 되지만, 2D, 2.5D처럼 시점과 조작 메커니즘 차이가 더 큰 세계에서는 데이터와 모델을 계속 늘려도 안정적 개선이 없고 오히려 더 나쁠 수 있다고 보도는 명시했다. 목표가 1인칭 3D + 키보드·마우스 의미론이 아니라면, 이 가중치는 출시 가능한 방안이라기보다 가치 있는 출발점에 가깝다. 라이선스 측면에서 Apache 2.0은 보도상 서술이며, 실제 권한은 저장소와 모델 카드 파일을 기준으로 하고, 특히 지속 사전학습이 업스트림 조건의 제약을 받는지 스스로 확인해야 한다.
연동 및 평가 제안
다음 세 가지는 보도에 근거한 조건부 제안과 분석이며, 검증된 사실도 아니고 범용 마이그레이션 체크리스트도 아니다. 결정 1, 먼저 '게임을 일시정지할 수 있는가'에 답하라. 보도는 '모델이 생각하는 동안 게임을 일시정지'하는 방식과 '게임을 계속 실행'하는 방식을 두 모드로 나눠 테스트했고, 계속 실행 기준에서 9B-S3가 네 벤치마크 평균 25.3으로 측정된 프런티어 모델 최고값 19.2를 상회한다는 결과를 제시하면서 그 비교에 배포 및 서비스 지연의 영향이 포함된다고 설명했다. 선택: 시나리오가 일시정지를 허용한다면, 예컨대 턴제나 에디터 내 자동 시연이라면, 더 큰 모델이나 심지어 호스팅된 프런티어 모델을 의사결정자로 쓸 수 있고 일시정지로 능력을 바꿀 수 있다. 게임이 반드시 계속 실행되어야 한다면, 예컨대 실시간 전투나 멀티플레이 환경이라면, 보도가 단일 카드 처리량 수치를 제시한 등급으로 후보를 제한하고 지연을 최우선 필터로 삼아야 한다. 전제: 추론 중에도 환경 상태가 계속 변한다. 측정 가능한 기준: 자체 게임 래퍼에서 '결정이 도착했을 때 여전히 유효한' 비율, 그리고 단일 결정의 종단 간 지연 중앙값과 롱테일을 측정하라. 단일 프레임 추론 시간만 재지 말고. 200밀리초 동작 창을 기준 정렬의 출발점으로 삼을 수 있다. 결정 2, 파라미터 수가 아니라 목표 세계와 학습 커버리지의 거리에 따라 데이터 배합을 고르라. 보도에 따르면 동일한 1600시간 예산에서 멀티게임 혼합 학습이 처음 보는 관련 3D 세계 7곳에서 평균 점수가 Minecraft만 학습한 경우의 약 2.8배였고, 더 먼 2D, 2.5D 세계에서는 안정적 개선이 없었다. 선택: 목표가 Minecraft, Doom과 유사한 1인칭 3D 키보드·마우스 의미론이라면 멀티게임 혼합 체크포인트에서 시작하고 단일 게임 버전은 대조 베이스라인으로 쓰는 편이 낫다. 목표가 시점이나 동작 공간 차이가 큰 게임이라면 더 큰 체크포인트로 바꿔 문제를 해결하려 하지 말고 예산을 세계 커버리지와 상호작용 피드백에 투입하라. 보도 역시 '성패 피드백을 활용한 학습'을 아직 빠진 고리로 꼽았다. 전제: 목표 게임이 '유사 3D'인지 '더 먼 세계'인지 판단할 수 있어야 한다. 측정 가능한 기준: 목표 게임에서 홀드아웃 과제를 정하고 동일한 성공 판정으로 A/B를 하여 혼합 배합과 단일 게임 배합의 성공률과 과제별 분산을 비교하고, 50시간과 1600시간 두 예산에서의 차이를 기록하라. 결정 3, MCU의 63.3%를 약속값이 아니라 필터 항목으로 다뤄라. 그것은 GameScaling-27B-S1이 《마인크래프트》 MCU 벤치마크 30개 과제에서의 평균 성공률이며, 기준은 특정 과제 집합, 체크포인트, 평가 설정에 묶여 있다. 선택: 먼저 고정 과제 집합을 자체 구축하거나 재현한 뒤 27B 등급의 연산 투입 여부를 결정하고, GPU를 먼저 준비한 뒤 지표를 찾지 말라. 전제: 게임 버전, 모드, 관측 주기가 논문 설정과 충분히 가까워야 하며, 그렇지 않으면 기준이 다른 비교는 의미가 없다. 측정 가능한 기준: 동일 과제 집합, 여러 시드에서의 성공률과 그 변동 범위, 그리고 평가 시 게임이 일시정지인지 계속 실행인지 명시하라. 보도는 두 모드를 분리해 다뤘으므로 섞으면 수치의 비교 가능성이 사라진다.
제한과 확인할 사항
GameScaling 시리즈는 현재 KimiSeek의 실시간 모델 카탈로그에 없으며, 이 글에서 말하는 사용 가능성은 프로젝트가 Hugging Face와 GitHub에 공개한 가중치와 추론 코드를 가리키는 팀·제공사 측 기준이다. 이 버전은 KimiSeek에 등록된 모델이 아니고 KimiSeek는 호출 진입점을 제공하지 않으며, 보도가 API나 서비스 가용성을 언급한다면 이는 제공사를 가리킨다. 보도가 언급한 Qwen3.5 기반도 카탈로그에 정확히 대응하는 항목이 없고, 카탈로그의 다른 Qwen 버전은 다른 버전이므로 이를 근거로 능력이나 가격을 추론할 수 없다. 그 밖의 미지와 경계: 보도는 가중치와 추론 코드의 구체적 라이선스 파일 세부를 다루지 않았고 Apache 2.0은 출처 서술일 뿐이다. 지속 사전학습이 업스트림 조건을 승계하는지는 스스로 확인해야 한다. 단일 카드 처리량 수치와 25.3 대 19.2 비교는 모두 보도가 서술한 배포·호출 방식에서 나온 것이며, 하드웨어나 게임 빌드, 동작 공간을 바꾼 뒤에도 성립하는지는 증거가 없다. MCU의 63.3%가 일시정지 모드인지 계속 실행 모드인지는 밝혀지지 않았다. 평가는 제한된 과제 집합과 몇 개의 미학습 세계를 다루며, 장시간 안정성, 중단 복구, 멀티플레이 또는 대항 환경에서의 성능은 다루지 않았다. 팀 스스로 현재 크로스월드 Scaling 현상 탐구에 중점을 두고 최종 게임 성능을 위한 최적화는 아직 하지 않았다고 밝혔으므로, 이를 바로 출시 가능한 게임 AI 방안으로 보는 것은 보도 범위를 넘는다.