四个 Gemini 4 Argon 智能体打了 27 小时游戏，死了 605 次，通关《我的世界》

四个 AI 智能体，一个随机生成的《我的世界》生存世界，一个目标：打败末影龙。27 小时 14 分钟后，它们做到了。

Google DeepMind 的预印本 10 月 15 日挂上 arXiv（编号 2610.22319），作者是 Maxence Faldor、Satinder Singh 和 Roberta Raileanu。论文里写得很克制：这是一次端到端自主通关，用的是标准 Mineflayer 库，没有预先踩点的种子，也没有人类写的游戏专用工具。

它们不看屏幕，写程序

这套系统和「AI 打游戏」的常见印象完全不是一回事。智能体不读像素、不按键，而是通过 Mineflayer 这个开源 JavaScript 库控制角色。每一轮，它写一小段程序去走路、挖矿、合成、战斗；程序跑完返回一段文本，告诉它当前位置、血量、背包和报错；它再决定下一段写什么。

中位数程序运行 33.5 秒。整场下来，四个智能体一共写了 2783 个程序、63,313 行不同的 JavaScript，发了 229 条游戏内聊天消息，死了 605 次。

分工和环境记忆是自己长出来的

研究者只给了一个目标，没分配角色，也没写策略。开局十分钟内，四个智能体自己分了工：一个专注采集，一个做工具和探路，另外两个准备下界需要的装备。

它们维护一份共享持久记忆，记录坐标、策略和从失败里学到的东西，并在这个过程中沉淀出 42 个可复用的辅助函数——走路、采矿、生存这些动作被反复抽象成工具。论文提到一个细节：有个智能体通过追踪两颗末影之眼的飞行轨迹，反推隐藏要塞的位置，估算误差 43 米。

进末地之后被打崩了

真正难的部分在最后。进入末地（第 13 小时 33 分）之后，龙反复杀死队员，进度卡住。转折点是它们识别出十根末影水晶在持续给龙回血，于是想出堆土块爬到高处、先拆水晶的打法。第 26 小时 34 分，最后一颗水晶被摧毁，40 分钟后龙倒下。期间服务器重启了六次。

账单和边界条件

成本可以算出来：约 13.5 亿输入 token、1600 万输出 token、约 2.4 万次模型调用。按 Gemini 4 Argon 的首发价，这一局游戏花了大约 520 美元；按标准价约 1040 美元。

边界也得说清楚。难度是 Easy，关闭了作弊指令；智能体通过 Mineflayer 拿到的是结构化的游戏状态，某种意义上属于特权信息，和人靠眼睛看屏幕不同；研究者全程可以在仪表盘上观察，并保留暂停或终止的权限。作者自己也写了，这不能证明它们在软件工程或企业任务上同样可靠。

还有一处提法需要修正。「首个端到端自主通关」这个说法要加限定：2021 年就有 Altoclef 项目宣称全自主通关，区别在于那套系统用的是客户端 mod、Baritone 寻路和人工编写的任务逻辑，而这次是通用编码智能体在运行时自己写代码。

值得看的不是游戏本身，是「27 小时」这个数字。以前的 agent 评测多是分钟级任务，这次是一个能连续一天多不忘目标、失败 605 次还接着往下干的系统。能否在没有边界的工作里保持这种状态，是下一个问题。作为对照，Claude 用半小时解开二十年密码学悬案靠的是单点推理的深度，而这次靠的是时间维度上的连续性——两种能力不一样，缺一不可。