华为 AI 少操作 56% 通关 25 款游戏，真正的看点不只是赢了

华为 AI 系统 Memento 3 最近在 25 款游戏中完成通关，累计操作 7518 次，较人类基准少约 56%，并获得满分 100 的 RHAE 成绩。部分游戏中，系统甚至在比分达到 21:0 后不再继续调用大模型，转而依靠已经形成的策略完成后续操作。

这件事的价值不在于“AI 也会玩游戏”——强化学习系统早就能在围棋、星际争霸、Atari 等环境中击败人类——而在于华为展示了一种更接近真实产品的游戏智能体路径：让大模型负责理解和规划，让更轻量的策略模块负责重复执行，再通过 RSI 机制持续减少无效操作。

简单说，Memento 3 不是每一步都重新问一次大模型“下一步该怎么办”，而是先观察环境、建立策略，再把已经验证过的动作变成更高效的执行流程。对于需要持续交互、频繁决策、同时又受推理成本限制的 AI Agent 来说，这比单纯提高模型参数规模更有工程价值。

7518 次操作意味着什么

RHAE 是 Relative Human Action Efficiency，即“相对人类行动效率”，用于衡量 AI 完成同一任务时所需操作次数与人类基准之间的差异。Memento 3 在 25 款游戏中累计操作 7518 次，并取得 100 分 RHAE，报道给出的结果是比人类少操作约 56%。

这个指标可以理解为游戏智能体版本的“单位任务动作成本”：在通关结果相同的情况下，谁需要的点击、移动、确认和试错更少，谁的行动效率更高。

如果人类完成相同任务平均需要约 1.7 万次操作，那么 Memento 3 只用了 7518 次。这里的优势不是手速，而是少走弯路。人类玩家通常会依靠经验、直觉和即时反应推进游戏；AI 则可以在前几轮交互中迅速识别奖励规则、危险状态和有效路径，随后减少探索动作。

| 指标 | Memento 3 | 人类基准 | 结果 | |---|---:|---:|---| | 测试游戏数量 | 25 款 | 同一批游戏 | 完成通关 | | 累计操作次数 | 7518 次 | 约 1.7 万次 | 少约 56% | | RHAE | 100 分 | 作为比较基准 | 达到满分 | | 部分游戏表现 | 最高 21:0 | — | 建立明显优势 |

不过，“少操作 56%”并不等于 AI 在所有意义上都比人类聪明。RHAE 衡量的是动作效率，不是泛化能力、娱乐性、反应速度或对复杂开放世界的理解能力。如果游戏规则固定、动作空间有限、目标清晰，AI 很容易通过大量试错找到一条比人类更短的路径；换到规则频繁变化、视觉信息模糊、需要长期记忆的环境，结果可能完全不同。

这也是看待这项成绩时最需要保持的边界：它证明了 AI 可以在多款交互任务中更节省动作，但还不能直接推出“AI 已经具备通用游戏理解能力”。

RSI 的关键：不是每一步都调用大模型

RSI 是一种让智能体根据环境反馈不断试错、修正策略并提高行动效率的机制。在这次测试中，RSI 的实际价值可以理解为“把一次次成功经验压缩成后续可复用的行动策略”。

传统的大模型游戏 Agent 往往采用这样的循环：读取画面、理解状态、调用模型、生成动作、执行动作，再把新画面交给模型分析。这个流程的优点是灵活，缺点也很明显：每一步都可能产生推理延迟和调用成本，而且模型容易重复犯已经犯过的错误。

Memento 3 采取的思路更接近分层控制系统：

1. 感知层读取游戏状态：识别画面、比分、角色位置、障碍物和奖励信号。
2. 高层策略模块规划目标：判断当前应该进攻、防守、收集资源还是避开风险。
3. 低层策略模块执行动作：把已经验证过的决策快速转化为连续操作。
4. 反馈机制修正策略：如果动作没有带来预期结果，就重新评估并调整行动路径。
5. 策略缓存减少重复推理：对于已经掌握的局面，直接执行稳定策略，不再重复请求大模型。

这解释了为什么在部分游戏中，比分达到 21:0 后，AI 甚至不再需要继续调用大模型。此时系统已经获得足够大的优势，剩下的操作属于低不确定性任务，用固定策略或轻量控制器即可完成。让大模型负责“想清楚”，让小模型或规则模块负责“做得快”，这正是 Agent 系统降低成本和延迟的常见方向。

从产品角度看，这比让一个大模型从头到尾接管游戏更合理。大模型像教练，负责分析局势和制定战术；策略执行模块像职业选手，负责把训练好的动作稳定地打出来。两者如果分工明确，系统才能同时兼顾泛化能力与执行效率。

这不是一次普通的游戏刷分

25 款游戏的意义，在于它试图证明方法可以跨任务迁移，而不是只针对某一款游戏做专门优化。

如果 AI 只在单一游戏里打出高分，往往无法区分它是在学习通用策略，还是在记忆固定关卡。测试多个游戏，尤其是包含不同操作逻辑和奖励机制的游戏，可以更好地观察智能体是否具备以下能力：

• 能否快速理解陌生规则；
• 能否从视觉反馈中提取真正有用的信息；
• 能否区分短期奖励和长期目标；
• 能否在失败后修正策略，而不是重复同一个动作；
• 能否把一个游戏中的探索经验迁移到另一款游戏。

但目前公开资料主要披露了游戏数量、操作次数、RHAE 和部分比分，并没有完整公开 25 款游戏的清单、每款游戏的独立成绩、测试硬件、模型调用次数、训练时长、样本数量以及人类基准的采集方式。因此，外界还不能据此判断 Memento 3 在不同类型游戏中的具体优势，也不能复现完整结果。

这类信息缺口很重要。比如，操作次数是按鼠标点击、键盘输入、游戏帧动作，还是一次连续移动来计算？人类基准是普通玩家、熟练玩家，还是经过训练的专业玩家？AI 是否提前接触过游戏规则？测试过程中是否允许重置和反复试错？这些细节都会显著影响最终的 RHAE。

如果未来华为能够公开完整评测协议、游戏列表、原始轨迹和基准数据，这项成果的说服力会明显增强。否则，它更适合作为一项工程演示，而不是严格意义上的通用智能排行榜。

真正的突破在于推理成本下降

对于 AI 游戏 Agent 来说，最难的问题往往不是“能不能赢”，而是“能不能以合理成本赢”。

让大模型持续读取屏幕、解释状态并生成动作，通常会带来三类成本：一是模型推理延迟，二是视觉和上下文处理成本，三是连续调用带来的系统不稳定。游戏要求动作及时，任何一次卡顿、误判或重复思考，都可能让前面的优势归零。

Memento 3 的路线把问题拆开了。高层模型不必参与每一次操作，只需要在局面发生变化、策略失效或不确定性上升时介入。低层控制器则负责高频、重复、确定性的行为。这种架构与自动驾驶、机器人控制、网页操作 Agent 的发展方向高度一致：复杂推理由大模型完成，稳定执行交给专用模块。

从成本模型看，假设一次大模型推理平均需要 800 毫秒，而一个轻量策略模块只需 20 毫秒，那么每 1000 个动作全部交给大模型处理，需要约 800 秒；如果只有 10% 的关键节点调用大模型，理论推理时间可以降至约 98 秒，减少约 87.75%。实际系统还会受到网络、视觉编码、队列和设备性能影响，但架构上的收益是明确的。

因此，“游戏打到 21:0 后不再调用大模型”并不是一个炫技细节，而是这次结果最值得关注的信号：AI Agent 开始从“模型驱动的逐步决策”转向“模型规划加策略执行”的闭环系统。

与传统强化学习相比，华为路线有什么不同

传统强化学习是通过奖励信号训练智能体，让它在大量试错中学习一套策略。它在规则明确、环境可模拟的游戏中非常强，但通常需要大量训练样本，并且对环境变化比较敏感。

大语言模型 Agent 则擅长理解自然语言、视觉信息和复杂任务描述，可以在较少示例下快速开始行动，但它的动作可能不稳定，且每一步推理成本较高。

RSI 路线更像是在两者之间搭桥：利用大模型完成环境理解和策略抽象，再通过反馈把策略固化、压缩或交给更高效的执行模块。它并非简单地用大模型取代强化学习，也不是回到完全依赖手工规则的时代，而是尝试把“泛化”和“效率”放在同一套系统里。

| 路线 | 优势 | 局限 | 更适合的场景 | |---|---|---|---| | 传统强化学习 | 执行快、策略稳定、单位动作成本低 | 训练样本需求大，换环境后可能失效 | 规则固定的游戏、机器人控制 | | 大模型 Agent | 理解能力强，适应陌生任务快 | 延迟和成本高，动作可能不稳定 | 网页操作、复杂任务规划 | | RSI 类分层系统 | 兼顾策略泛化与执行效率 | 系统设计复杂，评测更难 | 多任务游戏、交互式 Agent |

从这个对比看，Memento 3 的意义更接近系统工程创新，而非单个基础模型跑分创新。它没有证明“大模型本身突然变强了 56%”，而是证明了通过策略记忆、分层执行和反馈闭环，整个智能体可以用更少动作完成目标。

对游戏行业和 Agent 开发者意味着什么

游戏是测试 AI Agent 的理想环境，因为它同时具备明确目标、连续反馈、可量化奖励和高频交互四个特征。一个 Agent 如果能在游戏里稳定完成任务，往往也具备迁移到网页操作、软件自动化和机器人控制的部分基础能力。

对游戏公司而言，这类系统可能首先落地在三个方向。

第一是自动化测试。AI 可以批量探索不同路径，寻找卡死、穿模、任务无法完成、经济系统失衡等问题。相比人工测试，智能体能够持续运行，并记录每一步操作轨迹。

第二是NPC 和动态关卡。如果 NPC 不再只依靠固定脚本，而能根据玩家行为调整策略，游戏世界会更具变化。但这要求开发者解决可控性、稳定性和内容安全问题，否则 NPC 的“聪明”可能转化为不可预测的破坏体验。

第三是玩家辅助和游戏运营。AI 可以识别玩家卡关位置，提供个性化提示，或者自动生成难度曲线。不过，竞技类游戏必须严格区分单机辅助、官方智能陪练和外挂，任何实时对战中的自动操作都涉及公平性与监管问题。

对 Agent 开发者来说，最值得借鉴的不是“用 AI 打游戏”，而是以下几条工程原则：

• 不要让大模型承担所有低级动作；
• 将高不确定性决策与高频执行拆开；
• 为成功策略建立可复用记忆；
• 让系统知道什么时候必须重新思考；
• 用动作数量、延迟、失败率和调用次数同时评估 Agent；
• 公开基准定义，否则单一高分缺乏可比性。

仍然要警惕“指标漂亮、能力有限”

Memento 3 的成绩值得关注，但目前不宜被包装成“华为 AI 已经全面超越人类”。少操作 56% 说明它在特定测试环境中行动更高效，不代表它拥有更强的常识、创造力或现实世界决策能力。

AI 在封闭游戏环境里的优势，部分来自规则稳定、反馈及时和失败成本低；现实任务则往往存在模糊目标、错误信息、多人协作和不可逆后果。一个能在游戏中取得 21:0 的 Agent，面对真实业务流程时仍可能因为权限、异常处理或目标理解错误而失败。

更具体地说，后续评估至少还需要回答五个问题：

1. 换一批完全陌生的游戏后，RHAE 是否仍能保持高水平？
2. 游戏规则临时变化时，系统需要多少次试错才能适应？
3. 减少操作次数是否以增加训练成本或预先探索时间为代价？
4. 在视觉噪声、延迟和部分信息缺失下，系统是否稳定？
5. 除了通关和得分，系统能否解释自己的策略并安全处理异常情况？

这些问题决定了 RSI 是一次针对游戏基准的优化，还是能够推广到更广泛 Agent 场景的通用机制。

结语：AI Agent 的下一场竞争是“少想、快做、会复用”

截至 2026 年 10 月 12 日，华为 Memento 3 在 25 款游戏中的表现，给行业释放了一个清晰信号：AI Agent 的竞争正在从“谁能调用更大的模型”，转向“谁能把模型能力组织成更低成本、更稳定的闭环”。

7518 次操作、少约 56%、RHAE 100 分，这些数字说明 AI 已经可以在一组交互任务里比人类更节省动作。21:0 后停止调用大模型，则说明系统开始学会把已经解决的问题交给更便宜、更快的模块处理。

这条路线未必会立刻改变游戏行业，但很可能影响未来的网页 Agent、机器人和自动化软件：大模型负责理解目标，策略系统负责积累经验，执行模块负责稳定完成动作。真正成熟的智能体，不是每一步都表现得像一个会思考的人，而是在不需要思考的时候，知道如何不再思考。

参考来源

• 华为诺亚方舟实验室 GitHub 主页：https://github.com/huawei-noah。用于了解华为相关 AI 研究与开源项目背景；本文关于 Memento 3、25 款游戏、7518 次操作和 RHAE 100 分的事件信息，依据题述参考报道整理。
• 量子位《华为AI靠RSI通关25款游戏！操作次数比人类少56%》：原始报道标题及核心数据来源。因本文参考来源链接限制，正文不附该站点外链。
• 搜狐转载报道《华为AI靠RSI通关25款游戏！操作次数比人类少56%》：对 Memento 3、7518 次操作和 RHAE 评分的补充来源。因本文参考来源链接限制，正文不附该站点外链。