米哈游崩坏 AI 团队与清华大学等合作者发布并开源 GameScaling：一套基于 Qwen3.5 视觉语言模型继续预训练的游戏键鼠操作模型，参数规模覆盖 0.8B 至 27B，每次预测未来 200 毫秒的键盘和鼠标动作。团队以 Apache-2.0 开放八个检查点和推理客户端，但未包含训练代码。论文称，用 120 组训练配置发现，数据量增加会提升同源游戏表现，数据多样性有助于迁移到相近游戏，但对差异较大的游戏提升有限。
背景
视觉语言模型原本以图像加文本为输入、以文本为输出，要让这类模型直接操作游戏，就需要额外训练，把屏幕画面映射为键盘和鼠标动作。GameScaling 的做法是在 Qwen3.5 上做继续预训练，让模型每次预测未来 200 毫秒内的键鼠动作序列；这样一来，模型输出的是连续控制，而不是单帧指令，因此动作预测的时间跨度又会与模型规模、训练数据量和数据多样性相互影响。