「コンテンツ生成」から「行動判断」へ：天游軟件の軽量モデルとゲームAI実装路線の分化#

皆さんこんにちは、無辺です。10月22日、『毎日経済新聞』がSNSで話題にはならなかったものの、私が見るにかなり重要なインタビュー記事を掲載しました。インタビューを受けたのは天游軟件の紀敏CEOで、彼の核心的な主張は一言に要約できます——「対話型大規模モデルではゲームの課題は解決できない。AIはゲームの中で『判断を下す』ことを学ぶべきであり、単にコンテンツを生成するだけではいけない」というものです。

なぜ重要だと言えるのか。過去2年間、業界におけるゲームAIの語りは9割が同じテンプレートでした。AIでアートを生成し、テキストを生成し、コンテンツ制作のサイクルを短縮する——というものです。しかし、このインタビューは、あるメーカーがAIを「コンテンツ制作のポジション」から「対局行動のポジション」へ移す全過程を記録しています。途中で壁にぶつかり、パイプラインを切り捨て、最後にはビジネスデータまで提示しました。軽量判断モデルはボードゲームのグレイテスト後に人機対局数が従来の4倍に増加し、リテンション指標も同時に改善したのです。

もう一つ触れておきたい背景があります。同じ日（10月22日）、miHoYoの崩壊AI開発チームが清華大学、北京大学、中国科学院大学、香港大学、シンガポール国立大学と共同で、GameScalingシリーズのゲームモデルを公開・オープンソース化しました。同じ日に、あるメーカーは「数百KBの判断モデルをどうボードゲームのグレイテストに落とし込むか」を語り、別のメーカーは「0.8Bから27Bまでのゲーム行動モデルファミリー」をオープンソース化した——これは偶然ではなく、同じ時点でゲームAIの2つの実装路線がそれぞれ提示した解答であり、まさに本稿で描こうとする分化マップの両端を構成しています。

本稿では天游の事例を核心的な実証として、まずこの路線の全過程を振り返り、次に「言語生成を切り捨てた」ことになぜか効果があったのかを検討します。その後、Tencent、miHoYo、X.D. Network、恺英ネットワーク（Kaiying Network）など各メーカーの路線を分化マップとして整理し、最後に判断型と生成型という2つの路線のエンジニアリング経済性を計算します。いつものように、事実の境界を先に明示しておきます。本稿の具体的な事実はすべて、今回の検索で確認したファクトカードに基づき、出典は『毎日経済新聞』のインタビュー全文（NetEase転載）と関連業界報道です。インタビューで明かされていない事項（たとえば4倍というデータの統計基準）については、本文中で逐一注記し、推測で埋めることはしません。

一、天游路線の全振り返り：素材生成から言語パイプラインの切断まで#

天游の出発点は、業界のほとんどのチームとまったく同じでした。今年に入り、チームは複数のAIツールのテストを開始し、最初の取り組みもAIによるアート素材やセリフの生成、コンテンツ制作サイクルの短縮でした——2026年のゲームメーカーにとって標準的な動きであり、何の意外性もありません。

本当の転換点はその後に訪れました。チームは基礎研究寄りの研究チームと接触し、深い協力関係を結びました。この協力の過激な点は、ビジネス側の開放度にあります。ゲームデータ、エンジンの低レベルインターフェース、実際の対戦シーンのすべてを相手側に開放し、ゲーム行動インテリジェントエージェントを共同開発したのです。インタビューで明かされた初期計画では、方向性はNPCとの会話とプレイヤーのデジタル分身であり、開発は言語インタラクションと行動判断の2本のラインに分割されました。注目すべき細部があります。インタビューは言語インタラクションのラインのその後の進展を明かしておらず、最終的にビジネス結果を出したのは行動判断のラインでした。

この開放リストは一項目ずつ読む価値があります。私が見るに、ゲームデータの開放は、相手側が匿名化されたサンプルではなく実際の対局記録を手にしたことを意味します。エンジンの低レベルインターフェースの開放は、エージェントがエンジンレベルで盤面を読み取り、行動を実行できる機会を得たことを意味し、画面越しに推測する必要がなくなりました。実際の対戦シーンの開放は、訓練と検証が実験室のシミュレーション環境ではなく、生きたプレイヤーの対局の中で行われたことを意味します。研究チームに最も欠けているのは往々にしてこの3つです。どれほど精巧にシミュレーション環境を構築しても、実際のプレイヤーの打ち筋は再現できません。この開放条件の希少性こそ、第5節で扱う「見えない参入障壁」なのです。

この路線を時系列で並べると、次のようになります。

この表には、立ち止まってじっくり見る価値のある箇所が3つあります。

1つ目は0.5Bでの壁です。0.5Bは大規模モデルファミリーの中でもすでにかなり小さい部類ですが、それでも具体的なゲームシーンでは許容できない遅延が発生しました。これは、リアルタイム対局シーンにおいて「モデルを小さくする」ことは自動的に「遅延を低くする」ことを意味しない——パイプライン自体こそが遅延の大半である——ことを示しています。

2つ目は簡素化の方向性です。チームはプロンプトや推論フレームワークの修正を続けるのではなく、出力形態そのものに手を加えました。モデルは行動判断のみを出力し、自然言語生成の工程全体が切り捨てられたのです。インタビューはこの一歩を「冗長な大規模言語モデルパイプラインの切断」と表現しています。切断後、モデルはローカルデプロイ可能なほど小さくなり、クラウド大規模モデルを頻繁に呼び出す必要がなくなりました。

3つ目は継続訓練の仕組みです。実装されたモデルは対局データに基づいて継続的に対戦訓練を行い、AI対戦相手の駆け引き能力が継続的に向上します。つまり、これは訓練後に凍結される静的なモデルではなく、プレイヤーの対局とともに強くなり続ける動的なシステムなのです。正直に注記すべき点として、数百KBモデルの具体的なパラメータ数、推論ハードウェア、遅延データはいずれもインタビューで明かされていません。「4倍」の統計基準（比較対象期間、サンプル数、全量リリースの有無）も明かされておらず、本稿でこのデータを引用する際はすべてインタビューの自己申告に基づくものとします。

振り返ってみると、当初開発を言語インタラクションと行動判断の2本のラインに分割した決定は、客観的にチームに並行試行錯誤の機会を与えました。言語ラインが解決するのは「NPCが話せること」、行動ラインが解決するのは「AIがプレイできること」であり、2本のラインの検収基準はまったく異なります。行動ラインがグレイテストデータでビジネス検証を完了したとき、この対比は格段に鮮明になりました。同じ協力フレームワーク、同じデータ開放下、行動ラインの成果が先に実を結んだのです。もちろん、これは言語ラインに価値がないことを意味しません。NPCとの会話やプレイヤーのデジタル分身は依然として多くのメーカーのAI戦略の主軸であり、ただそれらの価値検証の道のりはより長いのです。

二、なぜ「言語生成の切断」がかえって効果的だったのか#

この節では、天游の選択を4つの層に分けて読み解きます。先に断っておきます。インタビュー自体はエンジニアリングの詳細を展開していないため、前半2層の分析は私のフレームワークであり、事実の土台はインタビューが明かしたトレードオフの結果です。後半2層はそれぞれ紀敏本人の見解と、明かされた2つの事実の連結から来ています。

2.1 遅延の計算：ボトルネックはパラメータではなくパイプライン#

0.5Bモデルの壁は、すでに結論をテーブルの上に置いています。パラメータ規模をかなり小さくしても、遅延は依然として許容できませんでした。完全な自然言語生成パイプラインは、「局面の理解—言語の構成—テキストの出力—行動への翻訳」という道のり全体を通る必要があり、各段階に時間コストがかかります。一方、リアルタイム対局が各判断に与える時間窓は極めて限られており、文章が生成し終わる頃には、牌卓上のタイミングは過ぎ去っています。

天游の対処法は、問題を逆から解くことでした。求めているのが行動なら、行動だけを残す——モデルは判断を直接出力し、言語パイプラインを丸ごと切断したのです。インタビューは最適化前後の具体的な遅延数値を示していませんが、「遅延が許容できない」状態から「ローカルデプロイ可能」状態への変化そのものが、このトレードオフが成立した最も硬い証拠です。

出力形態の違いは、さらに一層掘り下げられます。言語モデルの出力は開放集合であり、同じ局面の記述には無数の書き方があり得て、生成自体に不確実性が伴います。一方、行動判断の出力は閉集合であり、合法的な行動はその数種類しかなく、モデルがすべきはそれらをランク付けすることだけです。開放集合の生成は毎ステップ生成時間を消費しますが、閉集合の選択は極めて高速に行えます。これが、言語工程を切断した効果が即座に現れた理由も説明します——切り捨てられたのは「話す」という機能だけでなく、圧縮が困難な生成時間の全工程だったのです。

2.2 出力空間：ボードゲームとミニゲームは小さなモデルに「解ける」問題を与える#

次に、モデルが数百KBまで圧縮できたもう半分の理由を見てみましょう。それは問題そのものの形状です。ボードゲームの合法手は有限集合であり、『2048』の操作は4方向のみ、『Temple Run』の操作次元も同様に限られています。この種のシーンでは、モデルが学ぶべきは「何を言うか」ではなく「有限の選択肢の中でどう選ぶか」です。出力空間が小さく構造が明確であるからこそ、判断モデルは数百KBにまで小さくなりながらルールを自律的に習得できるのです。

これは私の分析であり、インタビューはモデル構造と具体的なパラメータ数を明かしていません。しかし「数百KBでルールを習得」という結果は、「出力空間が有限」というシーンの特徴と相互に裏付け合っています。逆に言えば、この項目はこの路線の現在の境界線も描いています。検証済みなのは、ボードゲームやカジュアルミニゲームといったルールが明確で出力が限られるジャンルなのです。

2.3 許容度の考え方：ゲームは許容空間の広い実験場#

第3層は、紀敏本人がインタビューで述べた見解であり、この事例で業界が最も記憶すべき言葉だと私は考えています。彼の対比はこうです。モデルは専門分野では極めて高い精度を発揮できるが、ビジネスシーンの許容率は極めて低く、わずかな確率の偏差でも事故を引き起こしかねない。一方、ゲームの核心的な目標はプレイヤーの感情的体験を維持することであり、AI対戦相手が時折少量のランダムで予想外の行動をとることは、むしろ実際のプレイヤーに近い——ゲームはそれゆえにはるかに大きな許容空間を持ち、AIインテリジェントエージェント実装の優れた実験場となるのです。

この見解は、「ゲーム内でAIがミスをすること」を欠陥から特性へと再定義しました。他のビジネスシーンでは、一度の誤った判断が事故になり得ます。しかし牌卓の上では、一度の予想外の打ち方が、まさにプレイヤーに「この相手は生きている」と感じさせる瞬間になり得るのです。紀敏のこの対比を天游自身の経験に戻して読むと、さらに興味深くなります。チームは最初に生成から切り込み、アートやテキストといった「間違えてもやり直せる」コンテンツ制作を行っていました。一方、行動判断はリアルタイム対局の中で発生し、やり直す余裕はありません。常識的には後者の方が「危険」ですが、紀敏が示した答えはまさにその逆でした。ゲームの目標は正確さではなく、感情的体験だからです。この直感に反する判断こそ、事例全体の中で最も洞察に満ちた部分だと私は考えています。

2.4 回り始めたフライホイール#

上記の層を組み合わせると、このシステムにはまだあるフライホイールが隠されています。モデルは対局データに基づいて継続的に対戦訓練を行い、AI対戦相手は対局を重ねるごとに強くなります。相手が強く、人間らしくなるほど、プレイヤーは繰り返し駆け引きをしたいと考え、人機対局数は従来の4倍に増加しました。対局数が増えるほど、利用可能な訓練対局も増えます。インタビューはこの3つの文を因果の連鎖として結びつけていません。これは私の連結です。しかし、「継続的な対戦訓練が駆け引き能力を向上させる」と「プレイヤーがAI対戦相手と繰り返し対局することを望む」という2つの明かされた事実は、方向性において噛み合っています。

このフライホイールの鍵は時間の複利効果にあります。対戦訓練は追加のデータアノテーションに依存せず、プレイヤーの1局1局がAIを強くする手助けをします。もちろん、フライホイールが回転する前提は、対戦相手の質がまず「繰り返し対局したい」というハードルを超えることです。グレイテストデータは、このハードルがすでに超えられたことを示しています。

4つの層を合わせて見ると、天游の「切断」は過激ではなく、計算し尽くされた結果でした。言語生成はリアルタイム対局では時間コストを払えず、閉じた行動集合ならちょうど小さなモデルを養えるのです。紀敏の許容度の考え方は、なぜゲームがこうした切断を敢行できるのかを説明し、フライホイールは切断後に何を頼りに加速し続けるのかを説明します。4層のうち前半2層はエンジニアリングの計算、後半2層はプロダクトの計算であり、2つの計算がどちらも合致して、この道は初めて開けたのです。

三、メーカー路線の分化マップ#

視点を引いてみると、天游は真空の中でこの取り組みを行っていたわけではありません。インタビューを転載した報道は同業他社の座標系を示しており、私はそれをマップとして整理し、近接する路線を1つ補足しました。

このマップで最も注目すべきは、誰がどの路線にいるかではなく、各路線上の密度差です。報道の要約はこうです。大多数のメーカーのリソースはアートやテキストなどのコンテンツ制作効率化に傾斜しており、ゲームのリアルタイム行動判断や駆け引き対抗インテリジェントエージェントに特化して深く取り組むプロジェクトは依然として少数派です。さらに、多くのソリューションは依然としてクラウド大規模モデルの継続的な呼び出しを必要とし、遅延と計算コストが大規模実装を制約しています。

天游はこのマップの中で少数派のサンプルです。大多数のリソースが「生成」に流れる中、同社は「判断」に賭け、グレイテストデータを出しました。Tencentの戦術インテリジェントエージェントとmiHoYoのNPC路線はどちらも「行動」側に属しますが、いずれもまだ製品開発プロセスの中に埋め込まれています。戦術インテリジェントエージェントの『Delta Force』における具体的な実装形態と効果データ、高自由度NPCがどの製品に搭載されるかについては、現時点で公開情報はありません。

このマップに「リソース密度」の軸を重ねると、構図はさらに明確になります。コンテンツ効率化はデフォルトの選択肢で、ほぼすべての企業が取り組んでいます。NPCと戦術インテリジェントエージェントは大手メーカーの独占領域で、投資が大きく期間が長く、効果データはほぼ外部に公開されません。UGCツールはプラットフォーム型企業の掛け算であり、プレイヤー創作のレバレッジを生み出します。そして、天游のように軽量判断モデルを直接グレイテストに進め、ビジネスデータを公開する打ち手は、現時点で確認できる公開報道の範囲では唯一無二です。唯一無二であることが最適を意味するわけではありません——4倍の基準は未公開であり、単一事例は外挿できません——しかし、少なくともこの道のゲートが開いていることは証明されました。

ちなみに、「ビジネスデータの公開」という行為自体が業界では稀です。多くのメーカーのAI進展はプレスリリースレベルの「効率化」「エンパワーメント」にとどまっていますが、天游は検証可能な指標を示しました。統計基準が明かされていないとはいえ、検証可能な指標は形容詞よりも真実に近いのです。これもこのインタビューが真剣に受け止められるべき理由の1つです。このインタビューは「ゲームAI」というトピックに、方向性だけでなく、初めて議論に供する数字をもたらしたのです。

miHoYoのこの路線については、当サイトが以前に完全な解説を行いました。GameScalingシリーズは0.8B、2B、9B、27Bの4つのパラメータ規模をカバーし、合計8つのチェックポイントがあります。Qwen3.5視覚言語モデルをベースに継続事前学習が行われ、各バージョンは1600時間のゲームデータを使用し、1回の呼び出しで約200ミリ秒、6ステップの操作シーケンスを生成します。0.8B、2B、9BはシングルGPUでデプロイ可能で、27Bは2枚のGPUによるテンソル並列が必要です。Apache 2.0ライセンスでオープンソース化され、vLLMデプロイに対応しています。興味のある読者はその解説記事を参照して読み比べてみてください。恺英ネットワークのUGC路線については、サイト内にSoonPlayプラットフォームの実測観察もあります。

Sideのこの路線は対局AIではありませんが、天游と同じ根本的な判断を共有しています。QAテストに求められるのも同じく「行動」であり、インテリジェントエージェントに実際にプレイさせ、テストさせることであって、評価文を生成させることではないのです。SideのCCOであるMartin McBrideは、協力発表時に「AI技術でQAサービスをより良く強化することは業界の当面の聖杯であり、まだ誰も良いソリューションを見つけていない」と述べました。SideとModl.aiの覚書の有効期間は6ヶ月で拘束力があります。両社がこの「聖杯」を一歩前進させられるかは、半年以内に明らかになるでしょう。

「行動」側の流れはここで3つの支流に収束します。対局の中の対戦相手（天游）、製品の中のNPCと戦術インテリジェントエージェント（miHoYo、Tencent）、テストパイプラインの中のQAインテリジェントエージェント（SideとModl.ai）です。3つの支流のシーンは異なりますが、共通点は一致しています。いずれもAIにリアルタイム環境で行動させることが求められ、コンテンツを生成させるのではないということです。この共通点こそ、次節のエンジニアリング経済学の出発点です。同じ「行動」側の流れが、対局、NPC、テストという3つのシーンで同時に現れたのです。

四、判断型 vs 生成型：エンジニアリング経済学の比較#

2つの路線の分岐は、突き詰めれば3つのエンジニアリング制約のトレードオフです。遅延、コスト、デプロイ方式。インタビューと報道の基準に従い、私は2つの路線を比較表に整理しました。

デプロイ位置は、この表の中で最も硬い分界線です。判断型モデルはローカルに置けるため、毎回の判断がネットワーク往復に依存しなくなります。これはリアルタイム対局シーンにおける可用性を直接決定します。生成型ソリューションはクラウドに留まることでモデル能力の上限を得る代わりに、遅延と呼び出しコストを支払います。天游の4倍の対局数は、「ローカルデプロイ」という前提の上で発生したものです。

興味深いのは、同じ判断路線でありながら、天游とmiHoYoのGameScalingが2つの極端に向かったことです。一方はモデルを数百KBまで圧縮し、極限の軽量化とローカルデプロイを得ました。もう一方は0.8Bから27Bの視覚言語基盤で、ゲームをまたぐ汎用性を追求しています。両端は逆方向に見えますが、実は同じ目標を指しています。判断モデルをプレイヤーの近くに置くことです。GameScalingが0.8B、2B、9BをシングルGPUデプロイ可能にしたことと、天游がモデルをローカルで動作可能にしたことは、同じ制約が異なるリソース状況の下で示した2つの解なのです。

ビジネスの計算も同じように立っています。生成型路線の価値は間接的です。節約されたアートとテキストのコストは、財務基準を通じて初めて見えるようになります。判断型路線の価値は直接的です。AI対戦相手が面白いかどうかは、対局数とリテンションに直接書き込まれます。グレイテストにおける「対局数4倍、リテンション同時改善」というデータは、初めて「AI対戦相手 / プレイ仲間」という方向のビジネス価値に、引用可能な国内実証を与えました。基準は明かされていないものの、方向はすでに十分明確です。AIと繰り返し牌を打つことを望むプレイヤーが、対局数で投票したのです。

このデータには信頼性の注釈も加えておく必要があります。グレイテストは、データが全量リリース後の結果ではなく、一部のプレイヤーサンプルから来ていることを意味します。比較対象期間、サンプル規模、牌の遊び方の具体的なタイプについて、インタビューはいずれも触れていません。したがって、より慎重な読み方は、これを方向性のシグナルとして扱うことです。「AI対戦相手の質の向上は人機対局を顕著に牽引できる」という方向が検証された——のであって、「4倍」を自社製品の期待収益に直接外挿することではありません。単一事例データの正しい使い方は、「検証プロジェクトを立ち上げるべきか」に答えることであり、「期待収益はいくらか」に答えることではありません。

遅延のほかに、2つ目の計算があります。運用のリズムです。ローカルデプロイの判断モデルは対局データに基づいて継続的に対戦訓練を行い、AI対戦相手の能力成長は運営が継続的に育成できるコンテンツです。それは一度きりで購入する静的なモデルではなく、餌を与え続ける必要があるシステムに近いものです。一方、クラウド生成ソリューションのコストは呼び出し量に連動し、コンテンツを多く生産するほど多くの費用がかかります。天游は具体的なコスト数値を明かしておらず、2つのコスト構造の優劣は一概には言えませんが、その時間的形状はまったく異なります。この計算は、2つの路線の間で選択を行うすべてのチームにとって避けて通れないものです。

五、ゲームAI実装への示唆#

5.1 まず遅延予算を決め、次に技術路線を選ぶ#

天游事例が実務者に与える最初の示唆は順序の問題です。モデルを先に