米哈游崩坏 AI 研发团队联合多所高校发布通用视觉语言动作基础模型 Gamer,这个模型不靠读取游戏后台数据、不用游戏专属 API,只靠识别屏幕画面,像真人一样输出键鼠指令来自主游玩 2D、3D 游戏,演示视频里在《崩坏:星穹铁道》中可以自动完成场景探索、战斗、解谜、推进任务,它属于面向长时序交互的游戏智能体,核心价值除了自动玩游戏,还可以用于游戏自动化测试、玩法仿真,是偏向技术研究方向的成果,不是面向普通玩家的挂机工具。Gamer 的输入是游戏画面,每秒采集 5 帧画面,输出 30Hz 的键鼠动作指令,训练素材是上万小时的跨游戏键鼠操作轨迹,搭配稀疏思考指令微调、时序强化学习,还有自研 Streaming-vLLM 推理引擎降低推理延迟,解决长时间任务容易遗忘目标、推理卡顿的问题;和专门为一款游戏写的脚本 AI 不一样,它具备泛化能力,理论上适配没有提前定制的陌生游戏环境。想要跑通 Gamer 模型,对硬件要求很高,演示环境使用 NVIDIA H200 显卡,普通家用显卡很难流畅运行,目前只是学术研究成果,没有开放给玩家用来自动刷副本、做日常。
模型核心信息清单
- 模型名称:Gamer(通用视觉语言动作基础模型)
- 研发主体:米哈游崩坏 AI 研发团队 + 清华、北大、中科院大学
- 输入方式:屏幕画面截图,5Hz 画面采集
- 输出方式:键鼠操作指令,30Hz 动作输出
- 配套引擎:Streaming-vLLM 推理引擎
- 训练数据:上万小时跨游戏键鼠交互轨迹
- 演示游戏:《崩坏:星穹铁道》,支持 2D、3D 多类游戏
- 主要用途:游戏智能体研究、自动化测试、玩法仿真
- 限制说明:不读取游戏内存、不依赖游戏开放接口
模型部署与测试步骤
1、准备符合要求的高性能 GPU 环境,参考论文里的 H200 部署方案,配置推理依赖库。
2、加载 Gamer 模型权重,接入画面采集程序,抓取游戏窗口画面作为输入。
3、设置任务目标,例如探索地图、完成解谜、战斗通关,启动智能体。
4、模型持续识别画面、推理规划,自动输出鼠标、键盘指令控制游戏。
5、观测任务执行日志,记录失败卡点,后续调整提示词或者模型参数。
6、测试结束后关闭自动控制,避免模型持续无限制操作游戏。
Gamer 和传统游戏脚本 AI 对比
| 类型 | 识别方式 | 是否需要游戏 API | 泛化能力 | 用途 |
|---|---|---|---|---|
| Gamer 模型 | 纯画面视觉识别 | 不需要 | 强,陌生游戏也可尝试 | 科研、游戏自动化测试 |
| 传统脚本 / 外挂 AI | 读取内存、游戏接口 | 大多需要 | 弱,只能对应特定游戏版本 | 挂机、自动刷任务 |
这个模型是技术研究原型,稳定性有限,复杂长任务容易中途跑偏,不能稳定全程通关。
【常见问题】
问题 1:米哈游公布的 Gamer 模型可自主游玩游戏,是不是玩家可以拿来挂机刷任务?
回答 1:米哈游公布的 Gamer 模型可自主游玩游戏,属于科研原型,面向游戏测试和 AI 研究,没有面向玩家开放,同时这类自动操作也违反游戏用户协议,不建议用来挂机。
问题 2:米哈游 Gamer 模型自主游玩游戏,原理和普通脚本有什么区别?
回答 2:米哈游 Gamer 模型自主游玩游戏依靠视觉识别画面生成键鼠动作,不用读取游戏后台数据;普通脚本大多读取游戏内存或者调用接口,换游戏、版本更新后很容易失效。
问题 3:米哈游 Gamer 模型可以自主游玩游戏,普通家用电脑能跑起来吗?
回答 3:米哈游 Gamer 模型自主游玩游戏对算力要求高,演示基于 H200 显卡,普通家用显卡显存、算力不足,很难流畅运行这个模型。
【参考资料】
[2026-11-17](米哈游公布通用视觉语言动作基础模型 Gamer,可自主游玩游戏)IT 之家
[2026-11-17](米哈游 Gamer 游戏智能体实机演示,可自主操作星穹铁道)腾讯新闻
[2026-11-17](Gamer: A Generalist Vision-Language-Action Foundation Model)arXiv
【免责声明】
米哈游 Gamer 模型为前沿 AI 科研成果,仅用于学术研究与游戏内部测试,严禁将该模型用于游戏挂机、代肝等违规行为;模型效果受硬件、画面、任务难度影响,长时序任务存在失败概率;本文仅技术资讯科普,不构成任何部署、使用指导。
