谷歌 DeepMind 近日发布论文，披露了一项由人工智能代理完成的《我的世界》（Minecraft）通关实验。四个基于 Gemini 4 Argon 模型的 AI 代理在“简单模式”下，耗时 27 小时 14 分钟击败最终 Boss 末影龙。在此过程中，这些代理自主编写了 2,783 个程序，尽管团队协作成功，但也经历了高达 605 次的死亡。
端到端自主完成与零人类干预
DeepMind 称这是“据我们所知”，AI 代理首次通过 Mineflayer 库实现《我的世界》的端到端自主通关。实验中未预先搜索特定种子，也未使用人类编写的游戏专用工具。所有程序均由代理自行编写，重点在于代码生成与团队协作，而非单纯的游戏操作逻辑。
实验设定了一个明确目标：击杀终极龙。在一个随机生成的共享生存世界中，四个代理分别操控一个玩家角色，并通过游戏内聊天及共享笔记进行协调。运行期间没有任何人类参与，既没有分配角色，也没有编写游戏逻辑。从第一个程序的执行到龙的死亡，整个过程完全自动化。
自发分工与战术调整
虽然初始状态未指定角色，但在约 10 分钟内，代理间自发形成了分工。机器人 Janesick 在聊天中提出建议，Auratian 提供了替代方案，Gyldenia 予以确认。最终形成的角色分工如下：
- Gyldenia：负责食物、床和石头资源。
- Bulicame：负责钻石获取。
- Janesick：负责钢铁和工具制作。
- Auratian：负责搭建下界传送门。
团队具备自我纠错能力。例如，当鬼火球摧毁物品导致损失时，代理们会诊断原因并编写新规则以防止未来发生类似情况。
关键战役：寻找要塞与对抗末影龙
在寻找要塞的过程中，Janesick 采用了三角定位法：从不同位置投掷两个末影之眼，并以每 50 毫秒的频率抽取飞行样本以计算坐标。期间，Auratian 曾溺水，但被队友救出。
最终的 Boss 战尤为艰难。战斗导致代理死亡 69 次，且十个末影水晶持续为末影龙回血。直到 Auratian 发现可以通过堆叠泥土柱到达水晶位置，团队才开始逐一击破。经过 4 小时 40 分钟的激战，十个水晶全部被摧毁，末影龙随后被击败。
技术架构与成本分析
每个玩家由一个“通用 Gemini 4 Argon 编码代理”驱动。根据 Google 博客介绍，Gemini 4 Argon 是面向现实世界软件工程、企业知识工作（如法律和金融）以及网络安全防御的前沿模型，并非专为游戏设计。代理通过编写简短的 JavaScript 程序运行，总计近 2,800 个，并在程序间保留 42 个辅助函数。Mineflayer 机器人向代理返回包含状态数据的文本，而非图像。
此次运行的成本高昂。实验消耗了约 13.5 亿个输入 token，其中 91% 由缓存提供。大约 24,000 次模型调用产生了约 1600 万个输出 token，其中四分之一用于思考过程。若将观察者 agent 也计入，按标价估算费用约为 810 美元至 1620 美元之间（具体取决于促销价格）。原文提及预计代币成本约为 52 万美元，这可能指代整体算力或更广泛的实验周期成本，但单次会话 API 费用远低于此数。
值得注意的是，22% 的代理程序出现错误，直接导致了超过 600 次的死亡记录。
行业对比与趋势
这一实验延续了 AI 代理玩游戏的趋势。此前，《宝可梦红》已通过多种方式被攻克，包括使用 Jev 决策模型层。本月早些时候，非截图版 GPT-6 Astra 也在《魔兽世界》中清除了兽人起始区域。
在《我的世界》领域，社区已有早期案例：一是和平模式下使用固定速运种子的动作选择模型策划者；二是单一 Claude Opus 5 代理在正常模式下，利用 37 个现成高级工具，在 3 小时 56 分钟内击杀末影龙，仅死亡一次，API 成本约 93 美元。相比之下，Gemini 团队仅使用了开源库 Mineflayer，且未依赖预置的高级游戏逻辑工具。
Google 表示，该运行旨在展示 Argon 模型处理复杂、长时间工作流程的能力，以及多代理协调潜力。这种长周期项目可能需要将游戏重新编译成源代码，类似于近期对《使命召唤：现代战争 2》的重建尝试。
