AREX Feed Article
Google DeepMind 公布：四个 Gemini 4 Argon agent 无人类帮助，27 小时从零通关 Minecraft
北京时间 10 月 17 日凌晨，发帖宣布：四个 Gemini 4 Argon agent 在沙盒化的 Minecraft 生存世界中，从随机生成的地图出发，仅靠代码与文本运作，27 小时击败终局 Boss 末影龙（Ender Dragon），完成通关。帖文称，它们共写下 2,783 个程序，通过游戏内聊天分工、共享笔记并一起修复错误，全程无人类帮助。
宣布背后有一份完整的技术记录：DeepMind 的帖文链接到项目研究员 Maxence Faldor 的——他把实验概括为「四个 Gemini 4 Argon agent，一个共享的 Minecraft 世界，一个目标：击败末影龙」；Faldor 同日还发布了题为《A team of Gemini 4 Argon agents beats Minecraft》的。由 Faldor、Satinder Singh 和 Roberta Raileanu 署名的于 10 月 15 日提交 arXiv，其中记录：从第一个程序运行到末影龙被击败，四个 agent 交换了 229 条聊天消息、死亡 605 次。报告摘要同时注明：据作者所知，这是 AI agent 首次端到端自主通关 Minecraft。
论文配图：由存档世界渲染的末地岛。图源：arXiv:2610.22319（Pixel Perfection 材质包渲染，CC BY-SA 4.0）
服务器日志记下「Free the End」：通关时刻与全程留档
按论文的描述，胜利写进了服务器日志：「bulicame has made the advancement [Free the End]」（解放末地），距第一个程序运行 27 小时 14 分钟；全程没有任何程序使用过服务器命令。四个 agent 的每个程序及其输出、每条聊天消息、定期存档快照和完整服务器日志都留了档，世界每 5 分钟自动保存一次。运行期间服务器重启 6 次、累计暂停约 20 分钟，整场运行折合约 81 个游戏日。
把关的不止是日志。第五个 agent——Observer——作为独立见证者全程跟随、从不游玩；它由同一个通用编码 agent 驱动、跑在单独的云端机器上，职责是对照记录核实四名「玩家」的主张，报告 specification gaming（钻评估空子的投机行为）和捏造结果。论文称，Observer 和研究团队对日志的人工抽查都没有发现作弊或安全事件；研究人员始终可以暂停或叫停运行，但全程没有需要介入的理由。
论文还给出了一组人类参照：按 HowLongToBeat 的统计，人类玩家通关 Minecraft 主线的中位用时是 45 小时，随机种子的速通纪录在 7 分钟以内。这四个 agent 以四人团队、通过程序而非屏幕和键盘完成了游戏。
不看像素、不按键：每个动作都是一段 JavaScript 程序
四个 agent 从未看到画面，也没有按过键。每个动作都是一段短小的 JavaScript 程序——论文举的例子是「走到这组坐标，挖出 16 格范围内所有铁矿」——由开源 Minecraft 机器人库 Mineflayer 在服务器上执行，agent 再读回文本结果：位置、血量、物品栏、发现物或报错。程序中位运行 33.5 秒，每个玩家约 40% 的时间在跑程序，其余时间用来读结果、思考和写下一个程序；程序无法启动进程、无法写文件，全局对象里存的值会在程序之间保留，协调则通过游戏聊天和共享内存完成。
Faldor 在长文中强调，这些是工程师日常软件工作使用的通用编码 agent，不是为 Minecraft 定制的系统；Mineflayer 只提供读写世界的能力，「做什么、按什么顺序做」完全由 agent 自己决定。
这条边界是与此前工作的主要差别。论文回顾：从 AlphaGo 到 AlphaStar 的游戏里程碑来自在单一游戏上长期训练的系统，多数 Minecraft agent 也依赖游戏专用训练、技能库或规划器；最近两个社区项目报道过端到端击杀末影龙，一个是单个 Claude Opus 5 agent 调用 37 个高级 Minecraft 工具（普通难度），另一个是规划器加动作选择模型跑固定速通种子（Peaceful，和平难度）。这次的设置是随机种子、Easy 难度、敌对怪物开启，Mineflayer 及其寻路插件原样使用，agent 只拿到一段话的目标和各自的通用指令——没有课程、没有技能库、没有人类写的工具，每个运行的程序都是它们自己写的。
开局 10 分钟，分工在聊天里谈成
论文 Figure 5：开局一刻钟内的聊天记录，消息为原文、时间从第一个程序起算。图源：arXiv:2610.22319（物品图标与头像来自 Pixel Perfection 材质包，CC BY-SA 4.0）
第一个程序运行 10 分钟后，janesick 在聊天里提出分工；一分钟内 auratian 给出另一套方案，gyldenia 回复「Copy that!」。角色很快定型：gyldenia 负责食物、床和燧石，bulicame 下矿挖钻石，janesick 熔铁做工具，auratian 准备下界传送门。两小时内，团队已经拥有铁工具、钻石和一座通往游戏第二个维度（下界）的传送门——auratian 在一座村庄里找到 55 块岩浆，gyldenia 收集面包、燧石和桶，janesick 放下最后一块黑曜石，auratian 两秒后点亮门框。
协作贯穿了整场运行。团队把坐标和教训写成共享笔记，写的辅助函数四个人都在复用——长文举例说，其中一个出现在 655 个程序里。物品救援也形成了预案：auratian 带着全部 12 枚末影之眼（Eyes of Ender）在距 bulicame 8 米处溺亡，janesick 和 auratian 把确切坐标和物品消失的截止时刻发给 bulicame，后者赶在时限前 2 分半捡回全部 12 枚。损失也会被转化成规则：把烈焰粉带回主世界花了 6 个多小时，janesick 曾背着 12 份烈焰粉被烧死，恶魂一发火球又炸毁了一堆掉落物——auratian 随即发出全员教训，两分钟后 janesick 跟进根因和修复方案。出错时 agent 会自我更正：一个程序宣布了并未发生的成功，两分钟后其作者 auratian 在聊天里撤回：「我上一条聊天消息出自一个未加防护的脚本分支。」
两枚末影之眼，算出 1.3 公里外的要塞
论文 Figure 7：三角定位要塞（stronghold，藏有末地传送门的地下结构）。图源：arXiv:2610.22319
要塞藏在地下，游戏机制要用会朝它飞行的物品来定位。进入第 10 小时 46 分钟，janesick 从两个不同位置掷出两枚末影之眼，每 50 毫秒采样一次飞行轨迹，算出两条射线的交点：交点距村庄 1.3 公里，距实际的传送门房间只有 43 米。第 13 小时 17 分钟，bulicame 报告末地传送门点亮，12 枚眼睛全部就位。
真正耗时间的是末地。末影龙在那里杀死他们 69 次，这场终局战斗累计占去近 14 个小时。尝试之间，他们从游戏内部读取末影龙的状态，细到它当前的行为阶段编号，并写下规则：不在到达平台上等待、只在它降落栖息时接近、卡住就离开末地让其重置。第 17.5 小时，四名玩家在 6 分钟内相继主动跳进虚空——借用人类玩家的老捷径，让卡住的末影龙重置。
突破出现在约第 21 小时：auratian 发现黑曜石柱顶的 10 个水晶不断把末影龙血量拉回满值，并想出不需要镐的办法——在柱子旁垒泥土爬上去、一拳打碎水晶、再徒手挖下来。此后 4 小时 40 分钟里团队清掉全部 10 个水晶，gyldenia 一人销毁其中 6 个；最后一颗水晶碎裂 39 分钟后，末影龙死亡，完成最后一击的 bulicame 血量只剩 20 点中的 2.5 点。
Easy 难度、22% 报错率与约 810 美元的账单
论文没有回避这次运行的局限：agent 通过 API 读世界，接口直接告诉它们周围有哪些方块和生物，路线由寻路插件规划，难度选的是 Easy；605 次死亡大多死于怪物，22% 的程序以报错收场。成本也写进了论文：到通关为止，四名玩家处理约 13.5 亿输入 token（词元，91% 由上下文缓存服务）、生成约 1,600 万输出 token（含 400 万思考 token），调用模型约 2.4 万次；按 Gemini 4 Argon 公开 API 的介绍价计算约 520 美元（标准价 1,040 美元），整场会话含 Observer 和通关后一天的活动约 810 美元（标准价 1,620 美元）——这是按价目表和 token 计数估出的数字，不是模型实际服务成本。
报告末尾还写明两点：这是一次独立研究实验，不是 Mojang 或微软认可的 Minecraft 官方里程碑，与两者无关；论文配图使用开源 Pixel Perfection 材质包（XSSheep 与 Nova_Wostra，CC BY-SA 4.0）渲染，而非 Minecraft 自带材质。
沙盒测完，下一步是像素、更大团队与开放式目标
在作者看来，通关 Minecraft 值得记录的地方不在游戏本身：它要求 agent 在超过一天的时间里，跨数千个相互依赖的步骤维持一个连贯计划，同时从反复失败中恢复、作为团队协作——这正是长周期软件工程和研究任务的要求。DeepMind 表示，计划把这次实验的 harness（实验框架）和经验用于编码、科学、工程和机器人等其他领域。
长文结尾列出了下一批实验：当 agent 像人类一样从像素出发、用虚拟键盘和鼠标操作游戏时，协调方式会怎么变；团队规模扩大后会发生什么；以及当目标从「击败末影龙」换成 Minecraft 允许的开放式目标时，这些 agent 会创造出什么。