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

没有外部指导，没有预先设定角色。四个AI自主生成了2783段代码，耗时27小时14分钟，最终战胜了末影龙。

这是近期最具趣味性的一次AI实验。

2026年10月15日，谷歌DeepMind的研究团队发布了一篇名为《A team of Gemini 4 Argon agents beats Minecraft》的论文。

研究人员进行了一项大胆尝试：将四个由Gemini 4 Argon训练而成的通用AI编程智能体，放入随机生成的《我的世界》生存模式中。

没有攻略指引，也没有人提前划分谁负责采矿、谁负责战斗，更没有人类编写的通关脚本。

它们的目标只有一个：击败末影龙。

最终，四个AI真的做到了。

27小时激战，64次牺牲

对于《我的世界》的老玩家而言，击败末影龙并非难事。

玩家需要完成一系列环环相扣的任务。

从一无所有的世界开始，砍伐树木、挖掘矿石、制作武器和装备，然后进入危险的下界，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，摧毁为末影龙回血的十颗末影水晶。

但对于没有预设任务树的AI团队来说，每次前进都意味着新的决策、资源调配和风险承担。

研究者使用了Minecraft Java版1.20.4，开启生存模式，选择Easy难度，随机生成地图并禁用作弊指令。

四个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、生命值及周围环境，并自行编写JavaScript代码来指挥角色行动。

尽管搭建类似的基础环境不算复杂，但完全复现实验需要相应的模型、执行框架和记忆系统，无法仅靠安装插件就让AI自动去打龙。

研究者没有为它们准备任何攻略。游戏运行约十分钟后，janesick在聊天频道提议分工合作。很快，四个AI形成了各自职责：gyldenia负责资源后勤，janesick负责工具制造和探索，auratian负责关键技术攻关，bulicame负责资源勘探和最终战斗。

与以往许多智能体演示不同，角色分工并非预先写在提示词中，而是通过协作逐步形成。而且，这些职责并非固定不变。随着游戏进程推进，四个AI也会相应调整自己的任务。

游戏开始不到两小时，AI团队就获得了铁器和钻石，并建造了通往地狱的传送门。

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，却恰好展示了长期自主智能体的一个关键能力：即使单次行动失败，整个任务也不一定会因此终止。

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，更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风险，janesick总结了事故原因，并将经验存入共享记忆。

接着，团队分析失败原因，判断是代码错误、路径问题、资源不足，还是之前制定的策略有误。

这使得一次角色死亡不再只是游戏中的损失，而是成为整个团队可以复用的经验，就像玩家在多次失败后积累技巧一样。

经验不仅服务于单个智能体，也能被其他智能体共享，在持续数天的任务中发挥作用，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「无限循环」

过去几年，大模型的成绩主要体现在回答问题、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。

它检验的是一个完整、持续的执行过程，而非一次性推理能力。

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，程序会出错，智能体需要分析原因并重新编写代码。

原论文数据显示，每个程序运行时间约为33.5秒。在整个游戏中，每个智能体约四成时间用于执行游戏程序，其余六成时间用于分析结果、推理和编写下一组代码。

即使模型拥有极大的上下文窗口，也无法保证记住所有历史信息。

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

从开始到击败末影龙，四个玩家共产生约24000次模型调用，处理了约13.5亿个输入Token，并产生约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中。

在2023年，Voyager的研究已利用Minecraft验证了这一想法：通过自动课程、代码技能库和执行反馈，让GPT-4智能体不断探索并累积技能。

在这次实验中，研究者的方法是为每个Agent配备独立且持久的记忆，并开放团队共享记忆。随着上下文增多，智能体会进行上下文压缩，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？

说起来，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，依赖开发者预先编写的任务逻辑来完成游戏。

之后的游戏AI研究朝着更通用的方向发展，出现了许多新模型，如Voyager等。

Gemini 4 Argon实验并非让AI学会玩游戏，而是在其已具备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，没有任何预览地图，也没有任何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AI作为队友帮助玩家完成任务。玩家可通过语音命令让AI搜索武器、收集物资并参与战斗。

同样利用了大型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，AI尚不够稳定。约22%的游戏程序出现错误，服务器也重启了6次。

它们最终成功了，但这仅是一次成功实验。论文未通过足够多次的随机地图重复测试来证明它们能稳定通关。

再加上27小时内约24000次模型调用，按优惠后的API价格计算，通关费用约需520美元。如果要用它来代练，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稍安勿躁，至少目前，游戏手柄和键盘仍牢牢掌握在人类手中。

论文链接在此，欢迎大家复刻尝试👇

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。