# 字节跳动Game-TARS发布：5000亿数据预训练通用游戏智能体，性能超越GPT-5与Gemini-2.5-Pro - Link: https://paooo.com/aigc-news/13135/ - Published: 2026-06-18T06:12:22+08:00 - Author: 站外新闻 > **💡 站外导读：**当前AI游戏Agent面临泛化性差、平台适配成本高、依赖游戏特定代码 > 等核心痛点。字节跳动Seed团队推出的Game-TARS，通过构建统一的键盘-鼠标动作空间， > 并在超5000亿标注的多模态数据上进行预训练，旨在解决这些问题。这不仅标志着通用型 > 游戏智能体取得重大进展，更可能重塑游戏开发、测试乃至AI研究的基础范式，推动AI在 > 复杂动态环境中实现更接近人类的物理交互与任务理解。 ## Game-TARS是什么 Game-TARS是字节跳动Seed团队开发的通用型游戏[智能体](https://paooo.com/trends/)， 基于统一的键盘-鼠标动作空间训练，可在操作系统、网页与模拟环境中进行大规模预训练。 依托超5000亿标注量级的多模态训练数据，结合稀疏推理与衰减持续损失，大幅提升了智能 体的可扩展性和泛化性。Game-TARS的核心创新在于让智能体像人一样用键盘和鼠标操作，通过 模拟人类操作的方式完成游戏中的每一个动作，实现了与人类用户物理交互方式的直接对齐。 在FPS、开放世界、WEB游戏等任务中，表现超越了[GPT-5](https://ai-bot.cn/gpt-5/)、Gemini- 2.5-Pro、Claude-4-Sonnet。 阅读目录 * [Game-TARS是什么](https://paooo.com/aigc-news/13135/#gametars%e6%98%af%e4%bb%80%e4%b9%88) * [Game-TARS的主要功能](https://paooo.com/aigc-news/13135/#gametars%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Game-TARS的技术原理](https://paooo.com/aigc-news/13135/#gametars%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [Game-TARS的项目地址](https://paooo.com/aigc-news/13135/#gametars%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Game-TARS的应用场景](https://paooo.com/aigc-news/13135/#gametars%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13135/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![Game-TARS](https://paooo.com/wp-content/uploads/2026/05/Game-TARS-website-1.avif) ## Game-TARS的主要功能 * **跨平台游戏操作**：Game-TARS能通过统一的键盘-鼠标动作空间，在不同平台（如PC、 网页、模拟环境）上操作游戏，无需为每个平台编写特定脚本，实现跨平台的自动化测试 和游戏交互。 * **多模态数据预训练**：基于超过5000亿标注量级的多模态数据进行预训练，涵盖游戏轨迹、 图形用户界面交互等多种数据类型，使智能体具备强大的泛化能力和适应性，能够处理各种 复杂的游戏任务。 * **高效推理与稀疏思维**：采用稀疏推理策略，只在关键决策点进行深度推理，结合拒绝 微调技术，优化推理过程，提高推理效率和动作的可操作性，让智能体在复杂环境中做出 更精准的决策。 * **长期记忆与短期记忆结合**：引入双层记忆机制，短期记忆保存最新的图像信息，长期 记忆则保留精炼的稀疏思维文本，帮助智能体在长期任务中保持对关键信息的记忆，提升 任务完成率和交互智能。 * **零样本迁移能力**：经过大规模预训练后，Game-TARS能够在未见过的3D网页游戏中实现 零样本迁移，无需额外训练即可快速适应新环境并完成任务，展现出强大的泛化能力。 * **指令遵循与动作语义理解**：通过随机替换按键绑定等方式，强化智能体对指令的遵循 能力，使其能够基于系统提示理解动作语义，准确执行任务指令，提高在不同游戏环境中的 适应性和操作准确性。 ## Game-TARS的技术原理 * **统一动作空间**：采用与人类对齐的原生键盘-鼠标输入动作，如`mouseMove`、`mouseClick` 和`keyPress`等，使智能体的动作指令集与特定应用或操作系统解耦，实现跨平台的通用 性。 * **多模态数据预训练**：基于超过5000亿标记的多模态数据进行预训练，包括游戏轨迹、 图形用户界面交互、代码生成和科研任务等多种数据类型，提升智能体的泛化能力和适应 性。 * **稀疏推理策略**：通过稀疏推理（Sparse-Thinking）技术，仅在关键决策点进行深度 推理，结合拒绝微调（Rejection Fine-Tuning），优化推理过程，提高推理效率和动作 的可操作性。 * **视觉语言模型整合**：将视觉感知、策略推理、动作执行和长期记忆整合到一个视觉语言 模型（VLM）中，无需针对每款游戏编写特定代码或规则，智能体能够自主学习操作并完成 任务。 * **持续预训练框架**：采用统一的单阶段持续预训练方法，将所有数据源融合在一起，对 模型进行大规模预训练，同时在后训练阶段进一步强化智能体在特定任务中的执行能力和 交互智能。 * **长期与短期记忆机制**：引入双层记忆机制，短期记忆保存最新图像信息，长期记忆保留 精炼的稀疏思维文本，帮助智能体在长期任务中保持对关键信息的记忆，提升任务完成率 和交互智能。 ## Game-TARS的项目地址 * **项目官网**：https://seed-tars.com/game-tars/ * **arXiv技术论文**：https://arxiv.org/pdf/2510.23691 ## Game-TARS的应用场景 * **游戏自动化测试**：Game-TARS可用于自动化测试各类游戏，包括FPS（第一人称射击游戏）、 开放世界游戏、网页游戏等，帮助开发者快速发现游戏中的问题，提高测试效率和质量。 * **跨平台适配测试**：由于其统一动作空间的设计，Game-TARS能够在不同平台（如PC、 移动端、网页端）上进行适配测试，确保游戏在多平台上的兼容性和一致性。 * **复杂任务执行**：Game-TARS能够处理复杂的游戏任务，如在《我的世界》中完成建筑、 探索等任务，甚至在未见过的3D网页游戏中实现零样本迁移，展现出强大的泛化能力。 * **异常场景处理**：Game-TARS具备错误恢复机制，能够通过失败案例自监督学习，处理 游戏中的异常场景，提高智能体的鲁棒性。 * **游戏开发辅助**：除了测试，Game-TARS还可以辅助游戏开发，例如在游戏设计阶段提供 交互原型测试，帮助开发者优化游戏设计和用户体验。 * **研究与教育**：Game-TARS的开源性质使其成为研究和教育领域的宝贵资源，研究人员 可以利用其框架进行人工智能、机器学习等相关领域的研究，教育机构也可以将其作为教学 案例，培养学生的实践能力。 #### 📝 站长洞察 (Editor’s Insight) Game-TARS的发布，标志着AI游戏Agent从‘专用工具’向‘通用智能体’的关键跃迁。其核心突破 并非单纯性能榜单的超越，而在于三个范式级的创新：第一，它将动作空间‘人类化’，统一 的键鼠输入解耦了底层平台，为通用性奠定了物理交互基础。第二，5000亿级多模态数据的‘ 暴力美学’，结合稀疏推理等高效训练策略，验证了‘数据规模+高效架构’仍是通向强泛化能力 的核心路径。第三，其零样本迁移能力揭示了一个更深远的趋势：未来Agent将像人一样，通过 理解世界运作的底层逻辑（此处是GUI交互逻辑），而非背诵特定任务指令来工作。这不仅是 游戏测试的工具革命，更是通用人工智能（AGI）在模拟环境中的一次重要预演，为机器人、 自动化办公等更广泛的具身智能场景提供了关键技术思路。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)