← Todas as notícias

miHoYo e Tsinghua lançam GameScaling em código aberto: 0,8B a 27B, entre operação em tempo real e transferência entre mundos

Segundo reportagem do Jiqizhixin de 5 de novembro de 2026, a miHoYo, junto com a Universidade Tsinghua, a Universidade de Hong Kong, a Universidade Nacional de Singapura e outras instituições, liberou em código aberto a série GameScaling, com oito modelos de jogos cobrindo quatro faixas, de 0,8B a 27B; a reportagem afirma que os pesos e o código de inferência foram publicados sob Apache 2.0 e que os modelos geram operações de teclado e mouse em tempo real a partir da imagem e de instruções de tarefa.

Publicado Atualizado

O que mudou

Segundo reportagem do Jiqizhixin de 5 de novembro de 2026, a miHoYo, em conjunto com a Universidade Tsinghua, a Universidade de Hong Kong, a Universidade Nacional de Singapura e outras instituições, liberou em código aberto a série GameScaling, com oito modelos ao todo, cobrindo quatro faixas de escala — 0,8B, 2B, 9B e 27B —, e a reportagem afirma que tanto os pesos quanto o código de inferência foram publicados sob a licença Apache 2.0. Os modelos recebem imagens do jogo, instruções de tarefa e o histórico recente de interação, e produzem operações de teclado e mouse para os próximos 200 milissegundos; entre os cenários demonstrados estão minerar, fabricar itens e matar zumbis em Minecraft, combater e navegar em Doom, e encontrar a saída em tarefas de escape de cenário. Segundo a equipe, a série passou por pré-treinamento contínuo a partir da linha Qwen3.5, usando trajetórias de jogos da comunidade de código aberto para ligar o conhecimento do modelo de visão-linguagem a operações executáveis. Os experimentos examinaram separadamente a escala do modelo, o orçamento de dados (seis faixas, de 50 a 1600 horas) e a diversidade dos dados (cinco proporções), formando 120 configurações controladas; a avaliação partiu do Minecraft e do Doom cobertos pelo treinamento e se estendeu a mundos 3D próximos nunca vistos, assim como a mundos 2D e 2.5D com diferenças maiores de perspectiva e de mecânica de operação. Entre os números apresentados na reportagem: nas 30 tarefas do benchmark MCU de Minecraft, o GameScaling-27B-S1 teve taxa de sucesso média de 63,3%; os seis modelos de 0,8B a 9B, segundo medições da própria equipe, alcançam perto de 5 observações por segundo e 30 passos de ação por segundo em uma única H200 ou RTX 5090; com o mesmo orçamento de 1600 horas, o treinamento misto com vários jogos teve pontuação média cerca de 2,8 vezes a do treinamento apenas com Minecraft em sete mundos 3D relacionados nunca vistos do OmniGameArena; na configuração de avaliação em tempo real do artigo, o GameScaling-9B-S3 atingiu média de 25,3 em quatro benchmarks, acima do valor máximo de 19,2 entre os modelos de fronteira da OpenAI, Anthropic e Google testados, e a reportagem esclarece que essa comparação inclui o efeito de implantação e de latência de serviço. A equipe também descreveu o ritmo de aprendizado, de uma fase inicial de "interface" seguida de uma fase de "mundo": os ganhos da segunda fase dependem mais de quais jogos o modelo já vivenciou, e a perda em mundos distantes chega até a aumentar; foi ajustada uma lei de escala empírica da perda de validação para os mundos cobertos pelo treinamento, mas, para mundos nunca vistos muito diferentes, continuar aumentando dados e escala do modelo não trouxe melhora estável. Os autores afirmam que o foco atual é explorar o fenômeno de scaling entre mundos e que ainda não fizeram otimização específica para o desempenho final em jogos.

Impacto para desenvolvedores

Este não é um modelo que possa substituir diretamente uma interface de chat. A saída do GameScaling é uma sequência de ações de teclado e mouse de duração fixa, e a unidade real de integração é um ciclo fechado do lado do jogo: capturar o quadro, montar a instrução de tarefa e o histórico de interação, chamar o modelo, injetar as ações no jogo e capturar o quadro seguinte. A janela de ação de 200 milissegundos amarra a frequência de observação à taxa de passos de ação, e o "cerca de 5 observações por segundo e 30 passos de ação por segundo" citado na reportagem corresponde exatamente a essa divisão; portanto, a vazão não é uma métrica opcional, mas a condição para fechar o ciclo. Para os desenvolvedores, há três impactos concretos. Primeiro, a utilidade depende da configuração de sufixo, não do nome da família: 27B-S1, 9B-S3 e 2B-S3 são checkpoints diferentes, e o número S corresponde a diferentes proporções de diversidade de dados; as pontuações da reportagem não podem ser transferidas entre esses checkpoints, e é preciso definir primeiro qual deles se pretende reproduzir antes de escolher. Segundo, a reportagem limita a conclusão de interação em tempo real em uma única GPU aos seis modelos de 0,8B a 9B; os 63,3% do 27B são uma taxa de sucesso na métrica das tarefas MCU e não vêm acompanhados de um número equivalente de vazão — lê-los como "o 27B também roda em tempo real" extrapola o que a reportagem diz. Terceiro, a conclusão sobre transferência tem direção: a diversidade de dados ajuda claramente em mundos 3D próximos, mas, para mundos 2D e 2.5D, em que perspectiva e mecânica de operação diferem mais, a reportagem afirma explicitamente que continuar adicionando dados e escala não traz melhora estável, e pode até piorar. Se o objetivo não for 3D em primeira pessoa com semântica de teclado e mouse, esses pesos se aproximam mais de um ponto de partida valioso do que de uma solução pronta para produção. Quanto ao licenciamento, o Apache 2.0 é uma afirmação da reportagem; a autorização efetiva deve ser conferida nos arquivos do repositório e do model card, em especial se o pré-treinamento contínuo está sujeito a termos de origem.

Integração e avaliação

Os três pontos abaixo são sugestões condicionais e análises baseadas na reportagem, não fatos verificados nem uma lista genérica de migração. Decisão um: comece respondendo "o jogo pode ser pausado?". A reportagem testa dois modos — "pausar o jogo enquanto o modelo pensa" e "jogo em execução contínua" — e, no modo de execução contínua, apresenta o resultado de 25,3 de média em quatro benchmarks para o 9B-S3, acima do valor máximo de 19,2 entre os modelos de fronteira testados, esclarecendo também que a comparação inclui o efeito de implantação e de latência de serviço. Escolha: se o roteiro permitir pausa, como em jogos por turnos ou demonstrações automáticas dentro de um editor, é possível usar modelos maiores ou até modelos de fronteira hospedados como decisor, trocando pausa por capacidade; se o jogo precisar rodar continuamente, como em combate em tempo real ou ambientes multijogador, convém restringir os candidatos às faixas para as quais a reportagem fornece números de vazão em GPU única, tratando a latência como critério primário de seleção. Premissa: o estado do seu ambiente continua mudando durante a inferência. Critério mensurável: no seu próprio invólucro de jogo, medir a proporção de decisões que ainda são válidas quando chegam e a mediana e a cauda longa da latência ponta a ponta por decisão, em vez de medir apenas o tempo de inferência de um quadro; a janela de ação de 200 milissegundos pode servir como ponto de partida de alinhamento. Decisão dois: escolha a proporção de dados pela distância entre o mundo-alvo e a cobertura do treinamento, não pelo número de parâmetros. A reportagem afirma que, com o mesmo orçamento de 1600 horas, o treinamento misto com vários jogos rendeu média cerca de 2,8 vezes a do treinamento apenas com Minecraft em sete mundos 3D relacionados nunca vistos, enquanto mundos 2D e 2.5D mais distantes não tiveram melhora estável. Escolha: se o alvo é 3D em primeira pessoa com semântica de teclado e mouse próxima de Minecraft e Doom, comece pelos checkpoints de mistura de jogos e use as versões de um único jogo como linha de base de comparação; se o alvo tem perspectiva ou espaço de ação muito diferentes, não espere resolver o problema trocando por um checkpoint maior — direcione o orçamento para cobertura de mundos e feedback de interação, e a própria reportagem lista "aprender com o feedback de sucesso e fracasso" como uma peça ainda ausente. Premissa: você consegue julgar se o jogo-alvo está do lado dos "3D próximos" ou dos "mundos mais distantes". Critério mensurável: separar tarefas reservadas no jogo-alvo, fazer um A/B com o mesmo critério de sucesso, comparar taxa de sucesso e variância por tarefa entre a mistura de jogos e o treino de jogo único, e registrar a diferença entre os orçamentos de 50 horas e de 1600 horas. Decisão três: trate os 63,3% do MCU como filtro, não como valor prometido. Trata-se da taxa de sucesso média do GameScaling-27B-S1 nas 30 tarefas do benchmark MCU de Minecraft, vinculada ao conjunto de tarefas, ao checkpoint e à configuração de avaliação específicos. Escolha: monte ou reproduza primeiro um conjunto fixo de tarefas e só então decida se vale investir o poder de computação da faixa 27B, em vez de preparar as GPUs antes de escolher a métrica. Premissa: sua versão do jogo, mods e frequência de observação são suficientemente próximos da configuração do artigo; caso contrário, a comparação entre critérios diferentes não faz sentido. Critério mensurável: taxa de sucesso e sua faixa de variação no mesmo conjunto de tarefas e com várias seeds, indicando se a avaliação ocorreu com o jogo pausado ou em execução contínua — a reportagem trata os dois modos separadamente, e misturá-los torna os números incomparáveis.

Limites e pontos a confirmar

GameScaling não aparece atualmente no catálogo de modelos ao vivo do KimiSeek; a disponibilidade mencionada neste texto refere-se aos pesos e ao código de inferência que o próprio projeto publicou no Hugging Face e no GitHub, dentro do escopo da equipe e do fabricante. Esta versão não é um modelo já listado no KimiSeek, o KimiSeek não oferece ponto de chamada para ela e, se a reportagem menciona disponibilidade de API ou de serviço, isso se refere ao provedor. A base Qwen3.5 citada na reportagem também não tem correspondência exata no catálogo; outras versões do Qwen presentes no catálogo são versões diferentes e não permitem inferir capacidade ou preço. Outros pontos desconhecidos e limites: a reportagem não detalha os arquivos de licença dos pesos e do código de inferência, e o Apache 2.0 é apenas uma declaração da fonte; se o pré-treinamento contínuo herda termos anteriores precisa ser verificado por conta própria. Os números de vazão em GPU única e a comparação de 25,3 contra 19,2 ocorreram nas condições de implantação e de chamada descritas na reportagem; não há evidência de que se sustentem ao trocar hardware, build do jogo ou espaço de ação. Os 63,3% do MCU não indicam se correspondem ao modo pausado ou ao de execução contínua. A avaliação cobre um conjunto limitado de tarefas e alguns mundos nunca vistos; estabilidade de longo prazo, recuperação após interrupção e desempenho em ambientes multijogador ou adversariais não foram abordados. A própria equipe afirma que o foco atual é explorar o fenômeno de scaling entre mundos e que ainda não otimizou o desempenho final em jogos; tratá-lo como uma solução de IA para jogos pronta para produção extrapola o que a reportagem diz.

Três minutos até a primeira chamada

Crie uma conta e uma chave de API. O custo das chamadas é descontado do seu saldo. 30% de desconto na primeira recarga. Recarregue ¥500, pague ¥350, receba ¥500 de saldo. Recarregue ¥1000, pague ¥850, receba ¥1000 de saldo A recarga mínima continua sendo ¥10, adequada para testes.

Fontes e processo editorial

迈向通用游戏智能,清华、米哈游开源 GameScaling 系列模型

A IA auxiliou a análise e a tradução das fontes citadas, seguidas de verificações automáticas. Recomendações não são resultados de testes. Consulte o catálogo atual para preços e disponibilidade.