본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

Gamer (miHoYo)

화면을 보고 키보드와 마우스로 게임을 하는 miHoYo의 연구용 에이전트입니다. 논문은 나왔지만 학습된 모델은 나오지 않았습니다.

리뷰어: ReviewRamble editors · 업데이트

GitHub에서 보기 오픈 소스

이 페이지 공유:XLinkedInFacebookRedditWhatsApp이메일

평점

3.2/5

Gamer는 사람처럼 게임하는 법을 모델에게 가르치는 일에 관한 진지한 논문이지만, 함께 붙은 저장소는 지금으로서는 주로 그에 관해 읽는 곳입니다.

Gamer (miHoYo)의 개요

Gamer는 miHoYo의 Honkai AI R&D 팀이 싱가포르 국립대, 칭화대, 그리고 다른 중국 대학 세 곳의 연구자와 함께 쓴 시각·언어·행동(VLA) 모델입니다. 화면을 초당 5번 보고 키보드와 마우스 입력으로 답합니다. 200 ms마다 마우스 이동 한 번과 누르고 있는 키의 33 ms 묶음 여섯 개를 내놓아 초당 약 30단계의 조작이 되며, 키 이름 어휘는 74개입니다. Qwen3-VL과 Qwen3.5를 바탕으로 세 단계로 학습합니다. 10,000시간이 넘는 게임 플레이로 하는 지속 사전학습, 결정의 순간에만 추론하고 기억 요약을 계속 갱신하도록 가르치는 지시 튜닝, 그리고 저자들이 TA-GRPO라고 부르는 방법의 온라인 강화학습입니다.

저장소는 논문의 부속 자료로, 시스템 프롬프트 템플릿, 행동 형식과 파싱 규칙, 그리고 출시 예정으로 표시된 저지연 서빙 엔진 Streaming-vLLM용 폴더가 있습니다. 논문은 arXiv 2611.18397입니다. 관련 연구인 GameScaling의 체크포인트(0.8B~27B 파라미터)는 Hugging Face에 있지만, Honkai: Star Rail로 학습한 모델은 공개되지 않습니다. 첫 커밋은 2026년 11월 14일, 마지막 커밋은 11월 16일입니다.

Gamer (miHoYo), 쓸 만한 가치가 있습니까?

흥미로운 것은 모델이 게임을 할 수 있다는 사실이 아닙니다. 논문도 짚듯이, 에이전트는 이미 몇 년 전에 Atari, Minecraft, StarCraft에서 사람을 이겼습니다. 흥미로운 것은 Gamer가 뒷문으로 들어가지 않고 해낸다는 점입니다. 예전의 챔피언들은 게임 내부 상태를 읽거나 맞춤형 행동 인터페이스를 썼지만, Gamer가 받는 것은 픽셀과 키보드뿐이어서 소파에 앉은 누구와도 같습니다. miHoYo 자사 게임인 Honkai: Star Rail에서 평가용으로 떼어 둔 콘텐츠에서, 강화학습을 거친 모델은 마일스톤이 30개와 55개인 사이드 퀘스트 두 개에서 각각 80.0%와 83.6%를 달성했고, 일곱 종류 40개 미니게임에서는 평균 49.7%였습니다. 일의 대부분은 지시 튜닝이 했고, 강화학습은 그 뒤 퀘스트에서 7.8과 14.5포인트, 미니게임에서 10.5포인트를 더했습니다.

비교 기준선은 초록보다 요점을 더 날카롭게 보여 줍니다. 같은 미니게임에서 논문은 GPT-6.1-Sol에 17.1%, Gemini-3.8-Flash에 2.0%, 조정하지 않은 Qwen3-VL-8B에 3.2%를 매깁니다. 범용 모델은 퍼즐을 읽을 수는 있어도, 제때 행동하는 것은 다른 기술입니다. 논문은 속도도 실력의 일부라는 점을 보여 줍니다. 게임이 친절하게 멈춰 줄 때는 잘하던 정책이 멈춰 주지 않으면 크게 나빠지는데, Streaming-vLLM이 바로 이 문제를 풀려고 존재합니다. H200과 Qwen3.5-35B-A3B로 저자들은 요청 한 번을 1306.00 ms에서 65.12 ms로 줄여 20.1× 빨라졌지만, 이 비교는 GPU 한 개와 네 개를 맞세운 것입니다.

주의할 점: 여기서 실제로 돌아가는 것은 거의 없습니다. 저장소는 README, 라이선스, 빈 폴더 하나입니다. Streaming-vLLM은 출시 예정이며, 논문은 데이터 보안을 이유로 Honkai: Star Rail 데이터로 학습한 체크포인트는 하나도 공개하지 않겠다고 밝힙니다. 내려받을 수 있는 것은 GameScaling 사전학습 체크포인트로, 위 결과를 만든 지시 튜닝과 강화학습 이전 단계에서 멈춰 있습니다. 숙련된 플레이어에 버금가는 효율이라는 대표 주장에는, 우리가 읽은 바로는 어떤 표에도 사람의 점수가 나란히 있지 않습니다. 모든 수치는 저자들이 낸 것이고, 자신들이 만드는 게임에서, 외부 연구실은 닿을 수 없는 엔진 쪽 상태로 보상을 확인했으며, 학습 때는 H200 GPU 64개로 게임 환경 32개를 돌렸습니다.

결론: 자기 게임을 모델에게 가르치는 스튜디오의 잘 정리된 현장 보고서로 읽으면 되고, 행동 형식은 빌려 쓸 만합니다. 일일 숙제를 대신해 줄 에이전트를 내려받으려던 사람은 정중하게 닫힌 문을 보게 됩니다.

제 역할을 하는 곳

  • 게임용 시각·언어·행동 에이전트를 연구하는 박사과정생

    행동 형식을 처음부터 설계하지 않고 검증된 것을 채택하기

    공개된 마우스 이동 한 번과 33 ms 키 묶음 여섯 개로 된 블록, 키 토큰 74개의 어휘, 파싱 규칙을 가져옵니다. 특수 토큰을 유지하고, 마지막 </think> 태그 뒤만 파싱하며, 해석할 수 없는 것은 아무 동작도 하지 않는 것으로 처리합니다. Apache-2.0으로 무료이며, 직접 미세 조정하는 어떤 모델에도 쓸 수 있습니다.

  • 중견 게임 스튜디오의 QA 리드

    화면 기반 에이전트가 퀘스트 회귀 테스트를 돌릴 수 있을지 판단하기

    검증 가능한 환경과 일괄 평가를 다룬 논문의 절을 읽고, Hugging Face의 GameScaling 체크포인트에서 시작합니다. 실제 하드웨어를 예산에 넣으십시오. 학습 중 저자들은 H200 GPU 64개로 Windows 게임 환경 32개를 돌렸습니다.

도입 전 확인할 점

설정
이 저장소에서 설치할 것은 아직 없습니다. 논문을 읽고, README에서 시스템 프롬프트 템플릿과 파싱 규칙을 복사하고, Hugging Face의 THUSI-Lab 컬렉션에서 GameScaling 체크포인트를 내려받습니다. Streaming-vLLM은 출시 예정입니다.
연동
Qwen3-VL과 Qwen3.5의 dense 및 MoE 백본. 출력은 특수 토큰을 유지한 채 서빙해야 합니다. 학습은 Verl 프레임워크를 확장한 것이며, 에이전트는 평범한 키보드·마우스 이벤트로 Windows 게임을 조작합니다.
데이터와 개인정보
서비스도 데이터 수집도 없습니다. 저장소는 Apache-2.0 문서입니다. Honkai: Star Rail 데이터와 체크포인트는 공개되지 않으며, 게임 스크린숏과 영상은 권리자의 소유입니다.
제한
주력 모델은 비공개이고 추론 엔진도 미출시입니다. 결과는 상용 게임 하나와 공개 벤치마크 네 개에 한정됩니다. 저자들은 더 깊은 전략은 모델의 추론력을 넘어설 수 있고, 널리 쓰려면 서빙 비용이 내려가야 한다고 말합니다.

좋은 점

  • 게임 API 없이 픽셀을 보고 키보드와 마우스로 플레이
  • 행동 형식, 키 이름, 시스템 프롬프트가 모두 문서화됨
  • 평가용 미니게임에서 범용 모델을 크게 앞섬
  • Hugging Face에 0.8B~27B GameScaling 체크포인트

아쉬운 점

  • 저장소에 아직 실행할 수 있는 코드가 없음
  • Honkai: Star Rail 체크포인트 비공개
  • 모든 결과가 저자들 것이며 대상도 자사 게임
  • 학습과 서빙에 H200급 GPU가 전제

추천 대상

화면과 키보드로 움직이는 에이전트를 만들며, 문서화된 행동 형식과 비교용 학습 방법을 원하는 연구자에게 맞습니다.

Gamer (miHoYo) 대안

Gamer (miHoYo): 자주 묻는 질문

Gamer (miHoYo), 쓸 만한 가치가 있습니까?
Gamer는 사람처럼 게임하는 법을 모델에게 가르치는 일에 관한 진지한 논문이지만, 함께 붙은 저장소는 지금으로서는 주로 그에 관해 읽는 곳입니다. 평점은 5점 만점에 3.2점입니다.
Gamer (miHoYo)의 가격은 얼마입니까?
코드와 문서는 무료 오픈 소스(Apache-2.0)입니다. GameScaling 체크포인트는 Hugging Face에서 무료이며, Honkai: Star Rail 모델은 공개되지 않습니다.
Gamer (miHoYo)의 단점은 무엇입니까?
저장소에 아직 실행할 수 있는 코드가 없음; Honkai: Star Rail 체크포인트 비공개; 모든 결과가 저자들 것이며 대상도 자사 게임; 학습과 서빙에 H200급 GPU가 전제.
Gamer (miHoYo)에 적합한 사람은 누구입니까?
화면과 키보드로 움직이는 에이전트를 만들며, 문서화된 행동 형식과 비교용 학습 방법을 원하는 연구자에게 맞습니다.
Gamer (miHoYo)에 회사 데이터를 맡겨도 안전합니까?
서비스도 데이터 수집도 없습니다. 저장소는 Apache-2.0 문서입니다. Honkai: Star Rail 데이터와 체크포인트는 공개되지 않으며, 게임 스크린숏과 영상은 권리자의 소유입니다.
Gamer (miHoYo)의 가장 좋은 대안은 무엇입니까?
저희가 리뷰한 것 중 가장 가까운 대안은 OpenComputer 및 CUA Agent Kit입니다.

답변 확인일: 2026년 11월 21일.