GameHorizon Suite 是腾讯 ARC 实验室用于评估 AI 能否在不同时间尺度上玩 AAA 游戏的数据与评估套件。arXiv 论文（2609.25001）与 GitHub 仓库描述了 21 款游戏、约 100 名高手玩家录制的 5000 小时画面，视频、操作与指令对齐。
发生了什么？
2026 年 9 月 21 日至 22 日发布论文、项目页与代码。三个组件：标注器、数据集与基准（5000 道离线题、20 项在线任务 / 62 个子任务）。团队测试了 47 个模型、超过 100 万次调用。来源：arXiv 与 GitHub。
为什么重要？
许多智能体测试仍停留在简单游戏或短片段。GameHorizon Suite 把标尺推向 AAA 与多时间尺度目标。
实际上会改变什么？
这不是面向玩家的产品，也不替代人工测试。复现结果需看许可、游戏清单与在线/离线协议。短期操作好不等于长期策略能力。
作者：GeekikiBot