没人教它们怎么打，没人提前分配工作。四个 AI 自己写了 2783 段程序，花了 27 小时 14 分钟，最终击败末影龙。
这是最近最有趣的一场 AI 实验。
2026 年 10 月 15 日，谷歌 DeepMind 的研究人员们发表了一篇论文《A team of Gemini 4 Argon agents beats Minecraft》。
研究人员做了件很疯狂的事情：把四个由 Gemini 4 Argon 训练出来的通用 AI 编程智能体放到随机生成的《我的世界》（Minecraft，简称MC）生存世界里。
没有攻略路线，也没有人预先划分好谁负责挖矿、谁负责打怪，更没有人类编写的游戏通关程序。
它们只有一个目的：打败末影龙。
结果，四个 AI 真的成功了。
27小时作战，死了64次
对于《我的世界》（Minecraft，以下简称MC）的老玩家来说，打败末影龙不算什么新鲜事。
玩家要经历一整条相互依赖的任务链。
从一个什么都没有的世界开始，砍树、挖矿、制作武器装备，然后进入危机四伏的下界，收集烈焰棒和末影珍珠，寻找地下的末地要塞，最后来到末地，摧毁十颗给末影龙回血的末影水晶。
但是对于没有预先设定好任务树的 AI 团队来说，每一次前进都要做出新的选择、调配资源以及承担风险。
研究者们用的是 Minecraft Java 版 1.20.4，开启生存模式，选择 Easy 难度，随机生成地图并且不开启作弊指令。
4 名 Gemini 4 Argon 智能体分别操控一名角色，利用开源工具 Mineflayer 获取该角色的位置、背包内容、生命值以及四周的情况，并且自己编写JavaScript代码来指挥这个角色的行为。
虽然建立一个类似的基础环境并不困难，但是想要完全复现的话还需要相应的模型、执行框架以及记忆系统，不能仅仅通过下载一些插件就可以使人工智能自己去打龙了。
研究人员并没有给它们准备好游戏攻略，在游戏运行了大概十分钟之后， janesick 就在聊天频道里提议要分工合作。不到一会儿功夫，四个 AI 逐渐形成了各自的职责，gyldenia 负责资源后勤，janesick 负责工具制造和探索，a uratian 负责关键技术攻关，bulicame 负责资源勘探与最后的战斗。
和以往很多次的智能体展示最大的不同，角色分工不是一开始就写在提示词里的，而是通过合作慢慢形成的。并且，这些责任并不是一成不变的。根据游戏进程的不同，四名 AI 也会相应地改变自己的任务。
游戏开始不到 2 个小时，AI团队就拿到了铁器和钻石并建立了通往下界的传送门。
打游戏的时候，角色死了一般就是一次失败。
但是在这次实验里，四个 AI 累计死亡 605 次，却恰恰展现了长期自主智能体的一项重要能力：即使单次行动失败，整个任务也不必随之失败。
当 JaneSick 带着 12 份烈焰粉死掉，然后掉落物被恶魂火球摧毁时，不只是一个角色的命，而是前几个小时辛苦收集的资源。
auratian 提醒队友注意物资运输的危险，janesick 总结事故原因，将经验保存到共享记忆中。
接着要对失败的原因进行分析，看是由于代码错误、路径错误、资源不足还是之前制定的战略不正确所导致的。
这让一次角色死亡，不再只是游戏中的损失，而成为可以被整个团队复用的经验，就好像你打游戏输多了总会积累一些经验下一次复用。
经验不仅可以为一个智能体服务，也可以被其他的智能体所利用，在进行一项需要持续数天的任务时起作用，使人工智能在经历了很多次局部失败之后依然可以继续推进自己的长远目标。
进入游戏“无限流”
过去几年，大模型的成绩单，大多来自回答问题、编写代码、参加考试，以及在各种基准测试中刷新分数，进入游戏环境对于大模型的功能要求更加复合。
四个智能体在同一个复杂的环境中可以保持目标一致，并且经过成千上万次的程序调用以及大量的失败之后，最后完成了自己的工作。
它所检验的是一个完整的、持续不断的执行过程，并不是一次性的推理能力。
四个 Gemini 智能体用 Mineflayer 来读取游戏环境，并且把任务转换为 JavaScript 程序，在执行之后根据结果来判定任务是否完成。当角色遇到障碍物的时候，程序就会出现错误，此时就需要对原因进行分析并重新编写代码。
原论文的数据显示，一个程序的运行时间为 33.5 秒左右。在整个游戏中，每一个智能体大约有四成的时间用来做游戏程序，剩下的六成时间则用来分析结果、推理以及编写下一组代码。
即使模型有非常大的上下文窗口，也不能保证它能够记住所有的过往。
以 Gemini 4 Argon 为例，根据 Google 官方开发文档可知，该模型可以达到大约一百万个 token 级的上下文长度并且具有较长的输出、工具调用和推理的能力。
从一开始到打败末影龙为止，四名玩家一共产生了大约 24000 次模型调用、处理了约 13.5 亿个输入 Token 并且产生了大约 1600 万个输出 Token，其中 91% 的输入 Token 来自于上下文缓存。
这样大的交互历史不能把所有的信息都塞进每次模型调用里去。
在 2023 年的时候，Voyager 的研究已经用 Minecraft 来检验了这样的想法：即利用自动课程、代码技能库以及执行反馈使GPT-4智能体不断地去探索并且累积技能。
这次试验中，研究者的方法是给每一个 Agent 都配备一个独立且持久的记忆，并且开放团队共享记忆。当上下文不断增多的时候，智能体会做上下文压缩（Context Compaction），把当前的任务、重要的进展、没有做完的计划和重要的教训都记录到外在的记忆里。
距离“游戏自由”还有多远？
说起来，AI 自主通关 Minecraft，也不是什么 2026 年才出现的新鲜事。
早在 2021 年 5 月 24 日的时候，开源机器人项目 AltoClef 就已经实现了完全自动通关 Minecraft。不过，它使用的是客户端 Mod 和 Baritone 自动寻路，依靠开发者事先编写好的任务逻辑来完成游戏。
之后的游戏 AI 研究就朝着更加普遍的方向发展了，出现了很多新的模型，比如 Voyager 等等。
Gemini 4 Argon 实验并不是让人工智能学会玩游戏，而是在已经有了通用编程能力的基础上，通过编写程序来实现各种功能。
DeepMind 所报告的第一项成果就是在标准 Mineflayer 接口下，在没有任何预览地图的情况下，在没有任何专门为游戏设计的工具或者任务策略的情况下，由普通的智能体自己完成了从头到尾的游戏通关。
2026 年 6 月的时候，KRAFTON 和 NVIDIA 就推出了 PUBG Ally 的限时测试活动，在其中加入了人工智能作为队友来帮助玩家完成游戏任务。玩家可以使用语音命令让 AI 去搜寻武器、收集物资并参与战斗。
同样是利用了大模型的理解和规划能力，将游戏系统的实际操作接口连接起来。
从结果看，人工智能还不能算作是稳定的。大约有 22% 的游戏程序出现了错误，服务器也重启了 6 次。
它们最终成功了，但这也只是一场成功实验。论文没有通过足够多次的随机地图重复测试，证明它们可以稳定通关。
再加上 27 个小时内大约 24000 次模型调用，按照优惠后的 API 价格来计算的话还需要花费大约 520 美元的通关费用，如果要用它来进行代练的话，那么首先得算一下这笔账。
迫不及待地想要用大模型来代替自己打游戏的玩家可以先不用着急，至少现在，游戏手柄和键盘，暂时还牢牢掌握在人类手里。