Fyra AI-agenter som körs på Googles Gemini 4 Argon har besegrat Minecraft utan mänsklig insats, och dödat Ender Dragon i en helt autonom körning som varade i 27 timmar och 14 minuter. Google DeepMind-teamet släppte agenterna till en slumpmässigt genererad värld utan att tilldela roller, strategier eller spelspecifika verktyg, enligt en artikel av Faldor et al. omfattas av The Decoder - och agenterna organiserade sig, samarbetade och vann.

Minecraft har länge varit ett envist riktmärke för AI. Till skillnad från schack eller Go kräver det lång horisontplanering, öppen utforskning, verktygsutformning och koordination – allt i en värld som förändras varje gång du kommer in i den. Att slå spelets sista chef har historiskt sett krävt antingen mänsklig vägledning eller tungt manusade träningsupplägg. Denna körning började däremot med fyra agenter och inget annat.

The Run in Numbers

Statistiken från sessionen läser som loggen för en kaotisk men i slutändan lyckad expedition:

  • 27 timmar, 14 minuter av kontinuerligt autonomt spel
  • 2 783 JavaScript-program skrivna av agenterna själva
  • 229 chattmeddelanden utbytt mellan de fyra agenterna
  • 605 dödsfall längs vägen

Den sista siffran förtjänar att betonas. Agenterna dog mer än sexhundra gånger innan de slutförde spelet, och enligt Tom's Hardwares bevakning av tidningen, gjorde de det på spelets lätta svårighetsgrad. Samma rapport uppskattade token-utgifterna för körningen till ungefär $520, medan The Decoder, beräknat på Gemini 4 Argons standardprissättning som träder i kraft 2027, satte totalsumman till $1,620. Hur som helst, kostnaden för en komplett Minecraft-komplettering av AI-agenter för allmänna ändamål mäts nu i hundratals dollar – inte de miljoner som investerats i de specialbyggda spel-AI:erna från tidigare år.

Emergent Teamwork, Inga skript

Det som gör resultatet anmärkningsvärt är inte bara att agenterna vann, utan hur. Utan några tilldelade roller delar de fyra agenterna upp uppgifter sinsemellan, rapporterar The Decoder. De varnade varandra för hot, återställde föremål från döda lagkamrater och loggade misstag i ett delat minne som låter gruppen undvika upprepade fel.

Med andra ord, det koordinationsbeteende som spelutvecklare vanligtvis hårdkodar in i NPC-team uppstod på egen hand från fyra instanser av samma modell, en delad värld och en kommunikationskanal. De 2 783 självskrivna JavaScript-programmen fungerar som ett ständigt växande färdighetsbibliotek: när en agent väl kommer på hur man smälter järn eller besegrar en miniboss, kvarstår den kunskapen som återanvändbar kod snarare än att bara leva i modellens sammanhangsfönster.

Det delade minnet är viktigt för alla som följer agentforskning. Team av agenter som kan samla och överföra lektioner – snarare än att starta om från noll efter varje misslyckande – tar itu med en av de centrala svagheterna hos dagens AI-agenter, som tenderar att förlora svårvunna framsteg i det ögonblick som en session slutar.

Från specialbyggda mästare till generalagenter

Resultatet är det senaste exemplet på ett mönster som har accelererat över fältet. För ett decennium sedan, för att slå AI i världsklass, krävde skräddarsydda system tränade från grunden för ett spel: DeepMinds AlphaGo for Go, OpenAI Five för Dota 2, AlphaStar för StarCraft II. Var och en var en monumental ingenjörsinsats som kunde göra exakt en sak.

Agenter för allmänna ändamål klarar nu spelutmaningar som en gång krävde år av specialiserad utbildning – och de gör det med samma modell som kan svara på e-postmeddelanden eller skriva kod. The Decoder noterar att Minecraft bara är det senaste exemplet på agentiska AI-modeller som slår videospel som brukade kräva specialbyggda system. Varje sådant resultat förkortar avståndet mellan "imponerande demo" och "allmänt kapabel assistent som kan fullfölja ett långt mål i en rörig miljö."

Det är just därför Minecraft har varit en så ihärdig forskningstestplats: att överleva rankor är tillfälligt, men att upprätthålla målinriktat beteende över tiotals timmar i en öppen värld är en anständig proxy för den typ av autonomi som AI-labb försöker bygga.

Varningar och sammanhang

Det finns varningar värda att tänka på. Körningen använde lätt svårighetsgrad, enligt Tom's Hardware, och Minecraft – även om den är berömd öppen – förblir ett spel med väldefinierade regler, deterministisk fysik och generös respawn-mekanik. De 605 dödsfallen skulle vara dödliga i de flesta verkliga miljöer; här kostar de tid och polletter.

Beräknings- och kostnadssiffrorna är också värda att läsa noggrant: de två publicerade uppskattningarna skiljer sig med en faktor tre beroende på vilken prismodell som används, en påminnelse om att "hur mycket drev agenten kostade" har inget entydigt svar förrän slutledningspriserna stabiliseras.

Ändå förminskar inget av detta kärnresultatet. Fyra agenter för generella ändamål, som inte fick något annat än en värld och varandra, organiserade sig själv till ett effektivt team och avslutade en av spelets längsta AI-utmaningar på knappt mer än en dag.

Vad det signalerar för agent AI

För DeepMind fungerar demonstrationen som ett skyltfönster för Gemini 4 Argons agentkapacitet – modellfamiljen som Google positionerar för exakt den här typen av arbete med lång horisont och verktyg. När företag flyttar AI-agenter från att svara på frågor till att utföra flerdagars arbetsflöden, ger riktmärken som denna en glimt av vad nuvarande modeller kan upprätthålla när målet är långt, miljön är kontradiktorisk och misslyckanden mäts i hundratals små dödsfall snarare än en stor.

Enderdraken har fallit för maskiner tidigare, med tunga mänskliga ställningar. Den här gången gick fyra agenter ensamma in i en slumpmässig värld - och gick ut som mästare.

---

Stay ahead of AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →