Kolibri-1 零微调自主玩打砖块
先了解这件事
2026年10月6日，AGI Hunt 报道称，开发者让 Aleph Alpha 的开源模型 Kolibri-1 在零微调条件下自主玩打砖块（Breakout）。该模型不生成文本，而是输出四个动作的概率分布，并直接映射为游戏操作。团队针对动作概率推理做了优化，单步决策约 25ms。据报道，游戏画面与源码已公开。作者称这是探索 Kolibri 结构化输出能力的一次实验。当天晚些时候，AGI Hunt 再次报道，补充说明该实验为雅达利 Breakout，模型读取弹球与挡板坐标后直接输出四个动作的概率分布并映射为游戏操作，全程不生成文本，单步决策仍需 25 毫秒，报道称这展示了该模型在实时决策任务上的潜力。两篇报道在零微调、不生成文本、四个动作概率分布与 25ms 单步决策等关键数字上一致，后续报道新增了输入坐标信息与实时决策的表述。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt开源模型 Kolibri-1 零微调自主玩转打砖块
开发者让 Aleph Alpha 开源的 Kolibri-1 在零微调下自主玩雅达利 Breakout：模型读取弹球与挡板坐标，直接输出四个动作的概率分布并映射为游戏操作，全程不生成文本。团队针对动作概率推理做了优化，单步决策仅需 25 毫秒，展示了该模型在实时决策任务上的潜力。
- AGI HuntKolibri-1 零微调自主玩 Breakout，单步决策仅 25ms
开发者让 Aleph Alpha 的开源模型 Kolibri-1 在零微调条件下自主玩打砖块，模型输出四个动作的概率分布并直接映射为游戏操作，不生成文本。团队针对动作概率推理做了优化，单步决策约 25ms，游戏画面与源码已公开。作者称这是探索 Kolibri 结构化输出能力的一次实验。
本事件热度走势
当前热度 10·可比范围峰值 10（10月6日 21:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。