近日，字节跳动推出通用 AI 智能体「Lumine」，在 3D 开放世界游戏《原神》中展现出高度自主性与跨场景泛化能力。
据悉，该系统能够在无人工干预的情况下完成长达数小时的主线任务，并在陌生场景中实现自主导航。
研究团队基于 Qwen2-VL-7B-Base 模型，采用类人交互范式，将感知、推理与操作统一整合，形成了「Base」「Instruct」「Thinking」三阶段版本，分别对应基础动作学习、指令跟随与长周期推理训练。
在蒙德地区的主线剧情中，Lumine-Thinking 模型耗时 56 分钟完成第一章任务，成功率达 100%，相比 GPT-5 的 112 分钟更具效率。
在第二、三章合计 4.7 小时的任务中，完成率接近 98.2%，远超 Gemini 2.5 Pro 的 65%。
此外，该模型在《鸣潮》《崩坏：星穹铁道》以及《黑神话·悟空》等未训练过的游戏中也展现出较强的适配能力，其中在《崩坏：星穹铁道》第一章任务中耗时 7.2 小时，完成率超过 92%。
技术层面，Lumine 通过视觉输入与键鼠操作建模实现实时交互，端到端延迟降至 129.8ms。其混合思考策略仅在关键节点触发推理，有效保障了长任务的连贯性。团队还采用滑动窗口机制与分阶段优化策略，提升了长周期任务中的稳定性与效率。
