四名运行谷歌 Gemini 4 Argon 的人工智能代理在没有任何人类指令的情况下完成了《我的世界》从随机生成到击败末影龙的整个过程，研究人员将其描述为人工智能代理首次端到端自主完成游戏。
结果来自 Google DeepMind 团队——Maxence Faldor、Satinder Singh 和 Roberta Raileanu——于 10 月 15 日在 arXiv 上发表的一篇论文，标题为“Gemini 4 Argon 特工团队击败了 Minecraft”。 《解码器》于 10 月 18 日报道后，这次运行引起了更广泛的关注，而它的出现恰逢前沿模型正在迅速占领最近才需要专门构建的、针对游戏的 AI 系统的任务。对于追踪最新人工智能发展的读者来说，这是迄今为止前沿模型在多个小时内维持协调、目标导向的工作的最清晰演示之一。
一个沙箱，一个目标，没有人工脚本
实验装置是故意节省的。研究人员将四名 Gemini 4 Argon 特工放置在简单难度的沙盒 Minecraft 生存世界中，从随机生成的世界开始，并给团队一个目标：击败末影龙。
没有人分配角色。没有人编写游戏逻辑、策略或游戏专用工具。没有使用预先侦察的种子——这是《我的世界》人工智能研究中的常见捷径，可以有效地向代理提供已知的地图。每个代理通过 Mineflayer（一个用于可编程 Minecraft 客户端的开源 JavaScript 库）控制一名玩家，四个代理通过游戏内聊天和共享内存存储进行协调。
论文称：“从简单难度的随机生成世界开始，团队编写了 2,783 个程序，并在 27 小时 14 分钟内击败了巨龙，一路上死亡了 605 次。” “据我们所知，这是人工智能代理首次端到端自主完成《我的世界》，仅使用标准 Mineflayer 库即可实现，无需预先寻找种子或由人类编写的其他游戏专用工具。”
特工如何组织自己
这场竞选之所以引人注目，与其说是胜利，不如说是其本身出现的劳动分工。根据该论文和解码器的报告，特工们在没有被告知的情况下分配任务，相互警告威胁，从倒下的队友那里恢复物品，并将错误记录在共享内存中，这样就不会盲目地重复同样的错误。
这些数字反映了一天多的自主游戏的质感：特工编写和调试了 2,783 个 JavaScript 程序，交换了 229 条游戏内聊天消息，并在此过程中吸收了 605 人死亡。研究人员可以在实时仪表板上观看整个运行过程，并有权随时暂停或停止运行——但是，他们报告说，他们没有理由进行干预。
账单：1,620 美元
这种规模的自治并不是免费的。 Decoder 计算出，按照 2027 年生效的 Gemini 4 Argon 标准价格计算，整个会话的成本约为 1,620 美元。这个数字值得暂停：一个多智能体团队探索了一个充满敌意的 3D 世界，掌握了其制作经济，并在超过一天的挂钟时间上进行了一场 Boss 战斗，以获得四位数的 API 账单 - 没有重新训练，没有微调，没有人类的奖励塑造。
它还反映了经济转变的速度。直到最近，击败《我的世界》还是一个里程碑，需要定制系统从头开始对数百万帧游戏进行训练。这里它属于通过业余爱好者级 Minecraft 库使用的通用前沿模型。
为什么它比游戏更重要
作者写道：“要想获胜，特工们必须在一天多的时间里，在数千个相关步骤中保持一个连贯的计划。” “复杂的现实世界软件工程和企业任务需要相同的长期编码和多代理协调。”
这个框架解释了为什么块游戏老板之战被视为研究结果而不是特技。历史上限制人工智能代理的失败模式不是短暂的智能爆发，而是随着时间的推移而变得连贯——在数百个步骤中失去情节、与之前的决策相矛盾，或者在循环中重新开始。 《我的世界》的运行证明了前沿模型可以在以小时为单位的地平线上保持结构。
这些限制是真实存在的，作者也指出了它们。简单的难度、有限的世界和清晰的获胜条件使《我的世界》成为一个比开放式工作场所更友好的环境。论文本身在结果的边界上投入了空间，而以 Boss 杀死结束的运行几乎没有提及没有定义最终状态的混乱任务。
背景：快速发展的前沿
据 The Decoder 报道，Gemini 4 Argon 是 Google 最强大的前沿模型，现已在全球范围内上市，而《我的世界》的成果是今年前沿模型取得的一系列长期游戏成就中的最新成果。随着特工承担更长的任务，评估正在从单轮问答转向这种全天的自主测试。
《我的世界》不会成为天花板。但这里展示的秘诀——通才模型、现成工具、共享内存，并且没有人类脚手架——是概括的部分。
---
保持人工智能领先地位获取最新的人工智能新闻、分析和突破——尽在一个地方。
阅读更多人工智能新闻 →
