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

没有给予任何指导，也没有事先分配职责。四个AI自行编写了2783段程序，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场AI试验。

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

研究人员实施了一项大胆举措：将四个由Gemini 4 Argon训练而成的通用AI编程智能体，投入随机生成的《我的世界》（Minecraft，简称MC）生存世界中。

没有提供攻略路线，也没有预先划分谁负责采矿、谁负责战斗，更没有人类编写的游戏通关程序。

它们仅有一个目标：击败末影龙。

最终，这四个AI确实达成了目标。

27小时激战，死亡64次

对于《我的世界》（Minecraft，以下简称MC）的老玩家而言，击败末影龙并不罕见。

玩家需要完成一整条相互依赖的任务链。

从一无所有的世界开始，砍树、挖矿、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，寻找隐藏在地下的末地要塞，最终抵达末地，摧毁十颗为末影龙恢复生命的末影水晶。

但对于没有预设任务树的AI团队来说，每一步前进都需要做出新选择、调配资源并承担风险。

研究者使用的是Minecraft Java版1.20.4，开启生存模式，选择Easy难度，随机生成地图且不启用作弊指令。

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并不复杂，但要完全复现，还需相应的模型、执行框架和记忆系统，仅靠下载插件无法让AI自主打龙。

研究人员并未为它们准备游戏攻略。游戏运行约十分钟后，janesick在聊天频道中提议分工合作。很快，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，auratian负责关键技术攻关，bulicame负责资源勘探与最终战斗。

与以往多数智能体展示不同，角色分工并非初始设定在提示词中，而是通过合作逐步形成。此外，这些职责并非固定不变。根据游戏进程，四个AI会相应调整自己的任务。

游戏开始不到两小时，AI团队便获得了铁器和钻石，并建造了通往 下界的传送门。

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，却恰恰展现了长期自主智能体的一项关键能力：即使单次行动失败，整体任务也未必随之失败。

当janesick携带12份烈焰粉死亡，且掉落物被恶魂火球摧毁时，损失的不仅是一个角色，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，它们分析失败原因，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，而成为整个团队可复用的经验，就像玩家在多次失败后积累经验一样。

经验不仅能为单个智能体所用，也能被其他智能体共享，在需要持续数天的任务中发挥作用，使AI在经历多次局部失败后仍能推进长期目标。

进入游戏“无限流”

过去几年，大模型的成绩主要来自回答问题、编写代码、参加考试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复合的要求。

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，此时需分析原因并重新编写代码。

原论文数据显示，一个程序的运行时间约为33.5秒。在整个游戏中，每个智能体大约有四成时间用于运行游戏程序，剩余六成时间用于分析结果、推理及编写下一组代码。

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历史信息。

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，并具备较长的输出、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都塞入每次模型调用中。

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，使GPT-4智能体不断探索并累积技能。

在此次试验中，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。当上下文不断增长时，智能体会进行上下文压缩（Context Compaction），将当前任务、重要进展、未完成计划及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。

此后的游戏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，无任何预览地图，无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，其中加入了AI作为队友帮助玩家完成游戏任务。玩家可使用语音命令让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，连接了游戏系统的实际操作接口。

从结果看，AI尚不能算作稳定。大约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，但这只是一次成功的实验。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。若想用它来代练，首先得算清这笔账。

迫不及待想用大模型代替自己打游戏的玩家可以先别急。至少现在，游戏手柄和键盘，暂时还牢牢掌握在人类手中。

论文链接在此，感兴趣的朋友可以尝试复刻👇

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。如果你想了解更多AI游戏实验，不妨通过爱游戏体育下载平台获取最新资讯。