谷歌把4个AI扔进《我的世界》，死了605次后自己写代码手撕大boss - 实时比分

四个AI在《我的世界》中自主编程协作，历经605次死亡后击败末影龙

没有人指导它们战斗，也没有人提前分配任务。这四个AI自行编写了2783段程序，耗费27小时14分钟，最终击败了末影龙。

这是一场近期最具趣味的AI实验。

2026年10月15日，谷歌DeepMind的研究团队发表了一篇题为《A team of Gemini 4 Argon agents beats Minecraft》的论文。

研究人员进行了一项大胆的尝试：将四个由Gemini 4 Argon训练而成的通用AI编程智能体，投放到随机生成的《我的世界》（Minecraft，简称MC）生存世界中。

没有攻略指引，没有人预先划分谁负责采矿、谁负责战斗，也没有任何人类编写的通关程序。

它们只有一个目标：击败末影龙。

最终，这四个AI确实做到了。

27小时作战，死亡64次

对于《我的世界》的老玩家而言，击败末影龙并非难事。

玩家需要经历一条环环相扣的任务链。

从一无所有的世界起步，砍伐树木、开采矿石、制作武器和装备，随后进入危险的下界，收集烈焰棒和末影珍珠，寻找地下的末地要塞，最后抵达末地，摧毁十颗为末影龙恢复生命值的末影水晶。

但对于没有预设任务树的AI团队来说，每一次推进都需要做出新决策、调配资源并承担风险。

研究者使用了Minecraft Java版1.20.4，开启生存模式，选择“简单”难度，地图随机生成且不开启作弊指令。

四名Gemini 4 Argon智能体各自操控一个角色，借助开源工具Mineflayer获取角色的位置、背包内容、生命值以及周围环境信息，并自行编写JavaScript代码来指挥角色的行动。

虽然搭建类似的基础环境并不复杂，但要完全复现，还需要相应的模型、执行框架和记忆系统，仅靠下载插件无法让AI自主击败末影龙。

研究人员没有为它们准备游戏攻略。游戏运行约十分钟后，智能体“janesick”在聊天频道中提议分工合作。不久，四个AI逐渐形成了各自的职责：“gyldenia”负责资源后勤，“janesick”负责工具制造与探索，“auratian”负责关键技术攻关，“bulicame”负责资源勘探与最终战斗。

与以往许多智能体展示不同，角色分工并非一开始就写入提示词，而是通过协作自然形成的。此外，这些职责并非固定不变。随着游戏进程推进，四个AI会根据情况调整自己的任务。

游戏开始不到两小时，AI团队便获得了铁器和钻石，并搭建了通往末地的传送门。

在游戏中，角色死亡通常意味着一次失败。

但在这次实验中，四个AI累计死亡605次，却恰恰展示了长期自主智能体的一项重要能力：即使单次行动失败，整个任务也不会因此终结。

当“JaneSick”携带12份烈焰粉死亡，掉落物被恶魂火球摧毁时，损失的不仅是一个角色的生命，还有前几个小时辛苦收集的资源。

“auratian”提醒队友注意物资运输的风险，“janesick”则总结事故原因，并将经验存入共享记忆。

随后，团队会分析失败原因，判断是代码错误、路径问题、资源不足，还是策略失误。

这使得一次角色死亡不再只是游戏中的损失，而成为整个团队可以复用的经验，类似玩家在多次失败后积累教训。

经验不仅服务于单个智能体，也能被其他智能体利用。在需要持续数天的任务中，这帮助AI在经历多次局部失败后，仍能推进长远目标。

进入游戏“无限流”

过去几年，大模型的成绩大多来自回答问题、编写代码、参加考试以及在各类基准测试中刷新分数。而进入游戏环境对大模型的功能提出了更综合的要求。

四个智能体在同一个复杂环境中保持目标一致，经过成千上万次程序调用和大量失败后，最终完成了任务。

它所检验的是一个完整、持续的执行过程，而非一次性的推理能力。

四个Gemini智能体使用Mineflayer读取游戏环境，将任务转化为JavaScript程序，执行后根据结果判断任务是否完成。当角色遇到障碍时，程序会报错，智能体需要分析原因并重新编写代码。

原论文数据显示，每个程序的平均运行时间约为33.5秒。在整个游戏中，每个智能体约40%的时间用于执行程序，其余60%的时间用于分析结果、推理和编写下一组代码。

即使模型拥有极大的上下文窗口，也无法保证它能记住所有过往。

以Gemini 4 Argon为例，根据谷歌官方开发文档，该模型可达到约一百万个token的上下文长度，并具备长输出、工具调用和推理能力。

从开始到击败末影龙，四名玩家共产生了约24000次模型调用，处理了约13.5亿个输入token，并产生了约1600万个输出token，其中91%的输入token来自上下文缓存。

如此庞大的交互历史无法将所有信息塞入每次模型调用。

2023年，Voyager的研究已利用Minecraft验证了类似思路：通过自动课程、代码技能库和执行反馈，让GPT-4智能体不断探索并积累技能。

在这次实验中，研究者的方法是为每个智能体配备独立且持久的记忆，并开放团队共享记忆。随着上下文不断增长，智能体会进行上下文压缩（Context Compaction），将当前任务、重要进展、未完成计划和关键教训记录到外部记忆中。

距离“游戏自由”还有多远？

事实上，AI自主通关Minecraft并非2026年才出现的新鲜事。

早在2021年5月24日，开源机器人项目AltoClef就已实现完全自动通关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的任务逻辑完成游戏。

之后的游戏AI研究朝着更通用的方向发展，出现了Voyager等新模型。

Gemini 4 Argon实验并非让AI学会玩游戏，而是在已有通用编程能力的基础上，通过编写程序实现各种功能。

DeepMind报告的第一项成果是：在标准Mineflayer接口下，没有预览地图，没有专门为游戏设计的工具或任务策略，由普通智能体自行完成了从头到尾的游戏通关。

2026年6月，KRAFTON和NVIDIA推出了PUBG Ally的限时测试活动，在其中加入了AI作为队友，帮助玩家完成游戏任务。玩家可以使用语音命令让AI搜寻武器、收集物资并参与战斗。

这同样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。

从结果来看，AI尚不稳定。约22%的游戏程序出现错误，服务器重启了6次。

它们最终成功了，但这只是一次成功的实验。论文并未通过足够多次的随机地图重复测试，证明它们能稳定通关。

此外，27小时内约24000次模型调用，按优惠后的API价格计算，通关费用约为520美元。若要用它来代练，首先得算清这笔账。

急于用大模型代替自己打游戏的玩家可以先稍安勿躁。至少目前，游戏手柄和键盘仍然牢牢掌握在人类手中。

论文链接如下，可供复刻尝试： https://arxiv.org/abs/2610.22319v1?ref=jinhyoungkim.com

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。