RSIGame: связка моделей 27B сама играет в игры и обходит GPT-5.5

RSIGame — новая система из Китая, в которой модели не останавливаются на первой сгенерированной версии игры. ИИ сам запускает результат, проходит его, замечает сбои и переписывает код. Авторы утверждают, что связка моделей размером 27B опередила GPT-5.5 в генерации игры за один проход. Об исследовании сообщило издание Jiqizhixin (机器之心) 21 октября 2026 года. Полный текст публикации доступен лишь частично, поэтому ниже разобрано то, что заявлено, и отдельно то, что остаётся неясным.

Запустить и доделать — разные задачи

Современные LLM уже умеют превратить фразу вроде «сделай платформер с боссами» в работающую программу. Но работающая программа ещё не готовая игра. Авторы RSIGame перечисляют типичные дефекты: у атак персонажа нет обратной связи, враги ведут себя одинаково, в уровнях нет вариативности, а иногда ключевую механику невозможно выполнить вообще.

Человек-разработчик находит такие вещи руками. Он играет в текущую сборку, замечает, что удар «не чувствуется» или что дверь на втором уровне не открывается, правит код и снова играет. Одноразовая генерация этот цикл пропускает полностью.

Как устроен цикл самосовершенствования

Название, судя по всему, отсылает к рекурсивному самоулучшению (recursive self-improvement), хотя расшифровка в доступном фрагменте не приводится. Логика такая: система превращает разработку в замкнутый процесс, где итог одной итерации становится входом для следующей. Из заявленного можно выделить следующее:

• Автоматический плейтест: ИИ сам запускает игру и пробует пройти её, без участия человека.
• Поиск дефектов: по ходу игры фиксируются сбои вроде отсутствующего отклика, примитивного поведения врагов и непроходимых участков.
• Исправление: найденные проблемы превращаются в правки кода и контента.
• Итерация: обновлённая версия снова уходит на прохождение.
• Масштаб моделей: используется комбинация моделей размером 27B.
• Эталон сравнения: GPT-5.5 в режиме генерации «с первого раза».

Стоит обратить внимание на формулировку сравнения. Связка из нескольких моделей, которая проходит несколько итераций, соревнуется с одной моделью, у которой есть единственная попытка. Это вполне корректная постановка, если цель — показать пользу самого цикла. Но она не доказывает, что 27B-модель сама по себе сильнее GPT-5.5. Скорее, разница в процессе, а не в «интеллекте» отдельной нейросети.

Чего в материале пока нет

В доступном тексте нет метрик, по которым выставлялась оценка: неизвестно, считали ли авторы долю проходимых игр, разнообразие механик, субъективные оценки людей или вердикты другой модели. Не указано, сколько итераций потребовалось, во что обошлись вычисления и какие 27B-модели вошли в связку. Не ясно и то, на каком наборе игр проводился тест: простые аркады и сложные проекты с большим количеством систем ведут себя очень по-разному.

Ещё один вопрос — надёжность самооценки. Если играет и судит одна и та же система, она может не заметить дефект, который очевиден человеку, либо «исправить» то, что не было сломано.

Что смотреть разработчикам и студиям

Практический вывод не зависит от конкретных цифр RSIGame. Если вы строите инструменты на базе LLM для создания игр, приложений или другого интерактивного софта, добавляйте в конвейер этап реального запуска и проверки результата. Даже небольшая модель с автоматическим плейтестом и несколькими итерациями может дать продукт лучше, чем дорогая модель с одной попыткой.

При оценке подобных решений стоит требовать от авторов три вещи: открытый набор тестовых игр, описание метрик и сравнение при равном вычислительном бюджете. До публикации полной статьи и кода заявление о превосходстве над GPT-5.5 лучше считать перспективной гипотезой, а не установленным фактом.