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 - 四连环名次

近日，一场别开生面的AI实验引发了广泛关注：四个AI智能体在没有人类指导、没有预先分工的情况下，自主编写了2783段程序，耗时27小时14分钟，最终在《我的世界》中击败了末影龙。

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训练出的通用AI编程智能体，放入随机生成的《我的世界》（Minecraft，简称MC）生存世界中。

没有预设的攻略路线，也没有人提前分配谁负责挖矿、谁负责战斗，更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成功实现了这一目标。

27小时作战，累计死亡605次

对于《我的世界》的老玩家而言，击败末影龙并不稀奇。玩家需要经历一条相互依赖的任务链：从零开始，砍树、挖矿、制作装备，进入下界收集烈焰棒和末影珍珠，找到末地要塞，最后在末地摧毁十颗末影水晶。

但对于没有预设任务树的AI团队来说，每一步都需要自主决策、调配资源和承担风险。研究者使用了Minecraft Java版1.20.4，开启生存模式，选择Easy难度，随机生成地图且不开启作弊指令。

四个Gemini 4 Argon智能体各自操控一名角色，通过开源工具Mineflayer获取位置、背包内容、生命值和周围环境，并自主编写JavaScript代码指挥角色行动。虽然搭建基础环境不难，但要完全复现实验，还需要相应的模型、执行框架和记忆系统，并非简单下载插件就能实现。

研究人员没有提供游戏攻略。游戏运行约十分钟后，名为janesick的智能体在聊天频道提议分工合作。很快，四个AI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，角色分工并非预先写入提示词，而是在合作中逐渐形成，且责任并非一成不变。根据游戏进程，四个AI会相应调整任务。游戏开始不到2小时，AI团队就获得了铁器和钻石，并建立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。但在此次实验中，四个AI累计死亡605次，却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份烈焰粉死亡，掉落物被恶魂火球摧毁时，损失的不仅是角色生命，还有数小时辛苦收集的资源。

auratian提醒队友注意物资运输风险，janesick分析事故原因并将经验保存到共享记忆中。随后，团队会分析失败原因，判断是代码错误、路径问题、资源不足还是战略失误。这使得角色死亡不再只是损失，而是成为团队可复用的经验，类似于人类玩家在多次失败后积累教训。

经验不仅服务于单个智能体，还能被其他智能体利用，在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，大模型的成绩多来自回答问题、编写代码或参加考试。进入游戏环境对大模型提出了更复合的要求。四个智能体在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，最终完成任务。这检验的是一个完整、持续的执行过程，而非一次性推理能力。

四个Gemini智能体通过Mineflayer读取游戏环境，将任务转换为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，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33.5秒。在整个游戏中，每个智能体约四成时间用于执行程序，其余六成用于分析结果、推理和编写下一组代码。

即使模型拥有大上下文窗口，也无法记住所有过往。以Gemini 4 Argon为例，该模型支持约一百万个token的上下文长度，具备长输出、工具调用和推理能力。从开始到击败末影龙，四个智能体共产生约24000次模型调用，处理约13.5亿个输入Token，生成约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全部塞入每次模型调用。2023年，Voyager的研究已用Minecraft验证了类似想法：利用自动课程、代码技能库和执行反馈，使GPT-4智能体不断探索并积累技能。在此次试验中，研究者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。当上下文增多时，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？

AI自主通关Minecraft并非2026年才出现的新鲜事。2021年5月24日，开源机器人项目AltoClef已实现完全自动通关，但依赖客户端Mod和Baritone自动寻路，以及开发者预先编写的任务逻辑。此后，游戏AI研究朝着更通用的方向发展，出现了Voyager等模型。

Gemini 4 Argon实验并非让AI学会玩游戏，而是在通用编程能力基础上，通过编写程序实现功能。DeepMind报告的首项成果是：在标准Mineflayer接口下，没有预览地图、没有专门游戏工具或任务策略的情况下，普通智能体自主完成了从头到尾的通关。

2026年6月，KRAFTON和NVIDIA推出了PUBG Ally限时测试活动，加入AI作为队友协助玩家。玩家可用语音命令让AI搜寻武器、收集物资和参与战斗。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，但这只是一场成功实验。论文未通过足够多次随机地图重复测试，证明AI能稳定通关。此外，27小时内约24000次模型调用，按优惠API价格计算，通关费用约520美元。若用于代练，玩家需先算清这笔账。

想用大模型代替自己打游戏的玩家不必急于一时。至少现在，游戏手柄和键盘，仍牢牢掌握在人类手中。论文链接在此，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。