沒人教它們怎麼打，沒人提前分配工作。四個 AI 自己寫了 2783 段程序，花了 27 小時 14 分鐘，最終擊敗末影龍。

這是最近最有趣的一場 AI 實驗。

2026 年 10 月 15 日，谷歌 DeepMind 的研究人員們發表了一篇論文《A team of Gemini 4 Argon agents beats Minecraft》。

研究人員做了件很瘋狂的事情：把四個由 Gemini 4 Argon 訓練出來的通用 AI 編程智能體放到隨機生成的《我的世界》（Minecraft，簡稱MC）生存世界裏。

沒有攻略路線，也沒有人預先劃分好誰負責挖礦、誰負責打怪，更沒有人類編寫的遊戲通關程序。

它們只有一個目的：打敗末影龍。

結果，四個 AI 真的成功了。

27小時作戰，死了64次

對於《我的世界》（Minecraft，以下簡稱MC）的老玩家來說，打敗末影龍不算什麼新鮮事。

玩家要經歷一整條相互依賴的任務鏈。

從一個什麼都沒有的世界開始，砍樹、挖礦、製作武器裝備，然後進入危機四伏的下界，收集烈焰棒和末影珍珠，尋找地下的末地要塞，最後來到末地，摧毀十顆給末影龍回血的末影水晶。

但是對於沒有預先設定好任務樹的 AI 團隊來說，每一次前進都要做出新的選擇、調配資源以及承擔風險。

研究者們用的是 Minecraft Java 版 1.20.4，開啓生存模式，選擇 Easy 難度，隨機生成地圖並且不開啓作弊指令。

4 名 Gemini 4 Argon 智能體分別操控一名角色，利用開源工具 Mineflayer 獲取該角色的位置、揹包內容、生命值以及四周的情況，並且自己編寫JavaScript代碼來指揮這個角色的行為。

雖然建立一個類似的基礎環境並不困難，但是想要完全復現的話還需要相應的模型、執行框架以及記憶系統，不能僅僅通過下載一些插件就可以使人工智能自己去打龍了。

研究人員並沒有給它們準備好遊戲攻略，在遊戲運行了大概十分鐘之後， janesick 就在聊天頻道里提議要分工合作。不到一會兒功夫，四個 AI 逐漸形成了各自的職責，gyldenia 負責資源後勤，janesick 負責工具製造和探索，a uratian 負責關鍵技術攻關，bulicame 負責資源勘探與最後的戰鬥。

和以往很多次的智能體展示最大的不同，角色分工不是一開始就寫在提示詞裏的，而是通過合作慢慢形成的。並且，這些責任並不是一成不變的。根據遊戲進程的不同，四名 AI 也會相應地改變自己的任務。

遊戲開始不到 2 個小時，AI團隊就拿到了鐵器和鑽石並建立了通往下界的傳送門。

打遊戲的時候，角色死了一般就是一次失敗。

但是在這次實驗裏，四個 AI 累計死亡 605 次，卻恰恰展現了長期自主智能體的一項重要能力：即使單次行動失敗，整個任務也不必隨之失敗。

當 JaneSick 帶着 12 份烈焰粉死掉，然後掉落物被惡魂火球摧毀時，不只是一個角色的命，而是前幾個小時辛苦收集的資源。

auratian 提醒隊友注意物資運輸的危險，janesick 總結事故原因，將經驗保存到共享記憶中。

接着要對失敗的原因進行分析，看是由於代碼錯誤、路徑錯誤、資源不足還是之前制定的戰略不正確所導致的。

這讓一次角色死亡，不再只是遊戲中的損失，而成為可以被整個團隊複用的經驗，就好像你打遊戲輸多了總會積累一些經驗下一次複用。

經驗不僅可以為一個智能體服務，也可以被其他的智能體所利用，在進行一項需要持續數天的任務時起作用，使人工智能在經歷了很多次局部失敗之後依然可以繼續推進自己的長遠目標。

進入遊戲「無限流」

過去幾年，大模型的成績單，大多來自回答問題、編寫代碼、參加考試，以及在各種基準測試中刷新分數，進入遊戲環境對於大模型的功能要求更加複合。

四個智能體在同一個複雜的環境中可以保持目標一致，並且經過成千上萬次的程序調用以及大量的失敗之後，最後完成了自己的工作。

它所檢驗的是一個完整的、持續不斷的執行過程，並不是一次性的推理能力。

四個 Gemini 智能體用 Mineflayer 來讀取遊戲環境，並且把任務轉換為 JavaScript 程序，在執行之後根據結果來判定任務是否完成。當角色遇到障礙物的時候，程序就會出現錯誤，此時就需要對原因進行分析並重新編寫代碼。

原論文的數據顯示，一個程序的運行時間為 33.5 秒左右。在整個遊戲中，每一個智能體大約有四成的時間用來做遊戲程序，剩下的六成時間則用來分析結果、推理以及編寫下一組代碼。

即使模型有非常大的上下文窗口，也不能保證它能夠記住所有的過往。

以 Gemini 4 Argon 為例，根據 Google 官方開發文檔可知，該模型可以達到大約一百萬個 token 級的上下文長度並且具有較長的輸出、工具調用和推理的能力。

從一開始到打敗末影龍為止，四名玩家一共產生了大約 24000 次模型調用、處理了約 13.5 億個輸入 Token 並且產生了大約 1600 萬個輸出 Token，其中 91% 的輸入 Token 來自於上下文緩存。

這樣大的交互歷史不能把所有的信息都塞進每次模型調用裏去。

在 2023 年的時候，Voyager 的研究已經用 Minecraft 來檢驗了這樣的想法：即利用自動課程、代碼技能庫以及執行反饋使GPT-4智能體不斷地去探索並且累積技能。

這次試驗中，研究者的方法是給每一個 Agent 都配備一個獨立且持久的記憶，並且開放團隊共享記憶。當上下文不斷增多的時候，智能體會做上下文壓縮（Context Compaction），把當前的任務、重要的進展、沒有做完的計劃和重要的教訓都記錄到外在的記憶裏。

距離「遊戲自由」還有多遠？

說起來，AI 自主通關 Minecraft，也不是什麼 2026 年纔出現的新鮮事。

早在 2021 年 5 月 24 日的時候，開源機器人項目 AltoClef 就已經實現了完全自動通關 Minecraft。不過，它使用的是客戶端 Mod 和 Baritone 自動尋路，依靠開發者事先編寫好的任務邏輯來完成遊戲。

之後的遊戲 AI 研究就朝着更加普遍的方向發展了，出現了很多新的模型，比如 Voyager 等等。

Gemini 4 Argon 實驗並不是讓人工智能學會玩遊戲，而是在已經有了通用編程能力的基礎上，通過編寫程序來實現各種功能。

DeepMind 所報告的第一項成果就是在標準 Mineflayer 接口下，在沒有任何預覽地圖的情況下，在沒有任何專門為遊戲設計的工具或者任務策略的情況下，由普通的智能體自己完成了從頭到尾的遊戲通關。

2026 年 6 月的時候，KRAFTON 和 NVIDIA 就推出了 PUBG Ally 的限時測試活動，在其中加入了人工智能作為隊友來幫助玩家完成遊戲任務。玩家可以使用語音命令讓 AI 去搜尋武器、收集物資並參與戰鬥。

同樣是利用了大模型的理解和規劃能力，將遊戲系統的實際操作接口連接起來。

從結果看，人工智能還不能算作是穩定的。大約有 22% 的遊戲程序出現了錯誤，服務器也重啓了 6 次。

它們最終成功了，但這也只是一場成功實驗。論文沒有通過足夠多次的隨機地圖重複測試，證明它們可以穩定通關。

再加上 27 個小時內大約 24000 次模型調用，按照優惠後的 API 價格來計算的話還需要花費大約 520 美元的通關費用，如果要用它來進行代練的話，那麼首先得算一下這筆賬。

迫不及待地想要用大模型來代替自己打遊戲的玩家可以先不用着急，至少現在，遊戲手柄和鍵盤，暫時還牢牢掌握在人類手裏。