4个Gemini智能体27小时通关我的世界：死了605次、烧掉520美元，而它们从没碰过键鼠

10月15日，一篇题为《A team of Gemini 4 Argon agents beats Minecraft》的论文挂上arXiv（编号2610.22319），这两天在国内平台陆续传开。 Google DeepMind把四个运行Gemini 4 Argon的编码智能体扔进一个随机种子的生存服，只给一个目标：击败末影龙。27小时14分后，龙死了。知乎哔哩哔哩微博

媒体标题写着“AI通关我的世界”，玩家圈的反应则复杂得多：“EASY难度也吹？”“27个小时？”“这不就是代码代打？”吵归吵，论文里的数字比标题扎实。把这份成绩单拆开看，比急着站队有信息量。知乎

这份通关成绩单，每一项都有出处

这份成绩单的每一项都能在论文记录里对上。知乎

一个容易被忽略的细节：全程约一半的时间耗在末地。前面砍树、挖矿、攒装备推进顺利，最后卡在末影龙的回血机制上——四个智能体反复攻击，龙血就是下不去，直到运行约21小时时，auratian发现十颗末地水晶在给龙续命，并提出玩家经典操作：垫泥土搭柱子，够到水晶逐颗拆掉。知乎知乎

它们玩MC的方式，本质是“程序化玩家”

这四个智能体从头到尾没看过一眼游戏画面，也不碰键鼠。每一步行动是现场写一段JavaScript并运行，由开源库Mineflayer把动作落实到角色上：查坐标、读背包、找方块、挖掘、合成。程序跑完，把位置、血量、结果或报错作为文本交回来，智能体据此写下一段。微博

这就带来三个必须知道的口径：

• 接口开挂：Mineflayer能提供岩石后面方块的信息，甚至末影龙的内部状态，寻路还有插件兜底。论文自己承认，这减轻了感知和操作的负担，不能等同于人类从像素出发的玩法。知乎

• 没查攻略，但审计有边界：全场2,839段程序（含胜利后继续跑的一天）都没有发起网络请求，聊天记录和Observer报告也没提到网络来源；但智能体外层的通用工具（包括网页搜索）是否被完整审计，论文没有交代。知乎

• 配方是先验：模型本身早就“学过”Minecraft的合成表和Mineflayer用法，运行中学到的是协调和纠错，不是从零认识工作台。哔哩哔哩

三个最有“联机味”的瞬间

分工是自己聊出来的，没有Manager。 第一段程序运行约一分钟后，janesick就报告了附近资源位置并提出协调；约第10分钟它发出分工提案，auratian不到一分钟内给出另一版安排，gyldenia回复确认。最终成型：janesick做工具、找下界要塞，用末影之眼的飞行轨迹三角定位地下的要塞；gyldenia攒补给，后来拆了十颗末地水晶中的六颗；auratian点燃下界传送门、想出垫土拆水晶的办法；bulicame搭建末影人掩体，打出屠龙的最后一击。知乎微博

十二颗末影之眼的救援。 前往要塞途中，auratian带着十二颗末影之眼溺水，“关键物资已备齐”的前提瞬间失效。janesick和auratian把精确坐标、掉落物信息和物品消失期限发给附近的bulicame，bulicame在距离物品消失只剩约两分半时把十二颗全部捞回。团队没有推翻通关计划，只是把受影响的步骤暂停，等局部恢复后继续点传送门。知乎

经验不背在脑子里，直接写成函数。 修复合成bug的辅助函数，后来出现在四个角色合计655段程序里；一个让超时程序残留动作自行停止的计数器，被1,519段程序引用；总计146份状态或代码跨程序保留，写出42个helper函数。人类玩家“学会了”，智能体“写成函数了”。知乎

520美元：一张屠龙门票

成本口径要说清楚：按Gemini 4 Argon入门期公开API列表价估算，到击杀末影龙为止约520美元，按标准价约1,040美元；折算下来约19美元/小时、约0.19美元/段程序。把Observer和胜利后继续运行的一天算进去，整场约810美元（标准价约1,620美元）。这是按token计数和列表价的估算，不等于真实部署成本，B站对这场运行的解读也专门标注了这一点。别急着换算成“AI一天打工值多少钱”——它只是一次运行的账单。回想9月Vals AI把GPT-6 Astra放进MC跑长任务，它还会因为物资被苦力怕炸毁而陷入“创伤应激”，连种数小时土豆、草木皆兵把甘蔗当苦力怕。对比这些旧瓜，这条赛道的迭代速度本身就是个信号：智能体玩MC正从行为艺术走向有标准答案的工程考题。知乎哔哩哔哩微博

“自主通关”这四个字，论文自带限定语

论文的说法是据作者所知，使用标准Mineflayer、没有预探种子、没有人类编写的游戏专用工具，完成端到端自主通关的首次。去掉限定词就会和已有结果打架：那个著名的8分43秒“速通规划器”是Peaceful难度、固定速通种子、已知坐标加只读龙传感器，路线还在另一个世界预探过。Claude Opus 5那次是Normal难度，但自带37个现成高层工具。连Java版本都对不上（1.16.5/1.21.4/本篇的1.20.4），这些成绩没法摆一排排名次。知乎

“自主”也不等于“没人管”：研究者全程有实时面板，可以暂停和停止，只是没有介入游戏策略；还有第五个同款智能体Observer，只观察、核对记录，不操作角色。再加上Easy难度、单次随机世界、无限复活托底——605次死亡放在硬核模式里，同样的失败频率撑不出同样的结果。（论文没跑硬核，这只是提醒失败代价会改变结论。）知乎微博

人类参照系，论文自己给了

它引用了两条基准：HowLongToBeat统计的主线通关中位数45小时；随机种子速通纪录不到7分钟。B站今年7月的世界纪录讲解视频里，6分39秒的计时器在7月27日亮起。27小时落在两者之间，但人数、接口、难度全不一样，只能帮助理解时间量级，得不出“AI比普通玩家快还是慢”。知乎哔哩哔哩

对老玩家来说反而有个亲切的验证：这支队伍的路线基本就是主流玩家路线——收集资源、制作工具、进入下界拿烈焰棒和珍珠、定位要塞点亮传送门、进末地处理水晶再打龙。区别只在于，垫土搭柱、末影人掩体、末影之眼轨迹定位这些玩家琢磨了几十年的土办法，是它们自己在聊天框里一条条试出来的。知乎

下次再看到“AI通关某游戏”，先问三个问题

1. 用的什么接口？像素加键鼠、读状态的API，还是“程序即行动”？

2. 难度和种子是什么？Easy还是Normal/Hardcore，随机还是固定、有没有预探？

3. 人类提前给了多少？工具、坐标、路线、课程，缺一样测的能力就不同。

这三个答案决定了“通关”两个字测试的是哪一层能力，也决定这条新闻值得收藏还是只值得点个赞。

比通关更值钱的，是摔倒后自己爬起来

27小时、6次重启、22%报错、605次死亡，目标没有被换掉，团队没有散伙——这才是这篇论文给“长时程任务”交出的第一份证据。它证明存在一条可行路径，但单次运行给不出成功率和方差。接下来值得盯的：换种子、换难度、多次重跑；再加三个指标——每次失败后多久回到主线、共享记忆被真正读取了多少、工具复用有没有把报错率压下来。这些数字补齐之前，“AI可以稳定独立工作27小时”这种换算不成立。微博

至于玩家，不用喊“天塌了”，也不用喊“AI无敌”。这次屠龙更像Agent工程圈交的一份期末卷，Minecraft只是恰好提供了全世界最清晰的考题：杀死末影龙，计时器见。