К содержимому
Компьютерное зрение

GameDojo-4B

ИИ-агент для прохождения видеоигр

1 мин чтения

GameDojo-4B — это специализированная мультимодальная нейросеть (VLM), обученная управлять персонажами в компьютерных играх. Она анализирует игровой экран и контекст задачи, выдавая последовательность команд для клавиатуры и мыши. Каждый генерируемый блок действий охватывает 200 мс игрового процесса. Модель создана исследователями на базе архитектуры Qwen3.5-4B и обучена на сбалансированном датасете игровых сессий в 2D и 3D средах.

Ключевые особенности

  • Реальное управление: генерирует точные команды мыши и клавиатуры для сложных игровых ситуаций.
  • Базовая модель: построена на базе эффективной языковой модели Qwen3.5-4B с поддержкой работы с изображениями.
  • Широкое покрытие: обучена на 120 игровых босс-энкаунтерах различной сложности.
  • Формат BF16: распространяется в весах Safetensors с поддержкой стандартных библиотек.

Что можно сделать

  • Тестирование агентов: запустить модель в качестве автономного игрока в поддерживаемых средах GameDojo.
  • Исследования CUA: изучить возможности компьютерного управления (computer-use) в динамичных симуляциях.
  • Интеграция с Transformers: подключить чекпоинт в собственные пайплайны генерации действий через Hugging Face transformers.

Пример

import torch
from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration

repo_id = "THUSI-Lab/GameDojo-4B"
processor = AutoProcessor.from_pretrained(repo_id)
model = Qwen3_5ForConditionalGeneration.from_pretrained(
    repo_id, dtype=torch.bfloat16, device_map="auto"
).eval()
ПодробнееБазовая модель: Qwen/Qwen3.5-4B
Параметры: 4.54 млрд
Обучение: Supervised fine-tuning на 240 часах геймплея GameDojo-Data
Веса: BF16 Safetensors
Примеры
Обсудить Telegram 0 9

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.5 GB · готовые файлы9.8 GB
  • FP8 / INT8рекомендуемвеса 4.2 GB5.2 GB
  • 4-bitвеса 2.4 GB3.1 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # THUSI-Lab/GameDojo-4B
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download THUSI-Lab/GameDojo-4B --local-dir ~/models/GameDojo-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к GameDojo-4B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. GameDojo-4B

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

THUSI-Lab/GameDojo-4B
Автор
THUSI-Lab
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

90

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

wayfinder-qwen-eff

wayfinder-qwen-eff