四个 Gemini 智能体被扔进《我的世界》服务器时，没有分工表，没有攻略，也没有人写好的游戏工具，目标只有一个：击败末影龙。27 小时 14 分钟后，末影龙确实倒了——但过程比结果更有看头：全程死亡 605 次，平均每小时约 22 次。 这些翻车记录来自 Google DeepMind 研究人员公布的论文《A team of Gemini 4 Argon agents beats Minecraft》，四个智能体跑的都是谷歌新一代旗舰模型 Gemini 4 Argon。 值得看的不是“AI 有多好笑”，而是一支看起来随时要散架的队伍，怎么把同一个目标坚持到了最后。知乎小红书
翻车账本：新手踩的坑，AI 一个没落下
先看失败密度。胜利前这支队伍一共运行了 2,783 个程序，22% 以报错收场，粗算约 612 个：写代码、跑崩、读错误、改完再跑，这个循环从早持续到晚。知乎
行动节奏也像新手在频繁试探按键，而不是高手的从容运营：27 小时里，全队平均每 35 秒就有一段新程序被写出并执行。知乎
游戏内的死亡事故最有“新手味”：末地战斗中死亡 69 次，其中还有为重置卡住的末影龙而主动跳进虚空的情况；从第 13 小时 33 分进入末地到第 27 小时 14 分屠龙，最后这段 Boss 战耗掉了全程约一半时间。知乎
为什么翻车没翻死
关键在于行动的构造方式。这套系统每行动一步，就写并运行一小段 JavaScript，通过开源库 Mineflayer 读取坐标、背包和方块状态，再发出走路、挖掘、放置、合成等操作。 一次失败只损失约半分钟的一个小步骤，改一改就能重跑，不必推倒整局重来。605 次死亡也离不开生存模式的规则兜底：死亡意味着丢装备、重置位置，代价高但能爬起来。知乎
最漂亮的一次配合，恰恰发生在一次新手式事故之后：智能体 auratian 带着全队攒下的 12 颗末影之眼溺水，队友立刻把精确坐标与物品消失时间发给另一位成员，后者在物品消失前的最后两分半钟内，把 12 颗全部捞回。 救回来的不只是道具，后面开末地传送门的整条任务线都靠它续上。给四个进程同一个目标，并不自动产生这种交接——是游戏内 229 条聊天消息和共享记忆，让一个成员遇到的局部故障能被另一个成员接手。小红书微博
经验也没有白白损失。全程有 146 份状态或代码跨程序保留，共写出 42 个辅助函数，一个修好合成问题的函数被写进了 655 个程序。 而且可核查的记录显示，全场 2,839 个程序没有发起过一次网络请求，也没有使用任何能直接改写游戏状态的服务器命令——没查攻略，也没开挂。小红书知乎
“通关”两个字里有多少水分
论文宣称完成了端到端自主通关，但限定词必须连着一块读：据研究者所知，这是 AI 智能体首次在完全自主的情况下从头到尾通关《我的世界》，前提是标准 Mineflayer 接口、没有预探种子、没有人类编写的游戏专用工具。微博
三条边界不能忽略。其一，Easy 难度降低了生存压力，且随机种子、只跑了一次——一次跑通只能证明存在一条可行路径，回答不了“多久能走通一次”。其二，“无人操控”不等于“无人监督”：研究者全程可通过面板观察、暂停或终止，只是没有介入游戏策略。 其三，还有第五个同款智能体 Observer 不打游戏，专门观察并核对队友报告的战绩有没有水分。微博
成本是按 token 计数和列表价估算的口径，不等于实际账单：到击败末影龙为止约 520 美元，标准价约 1,040 美元；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。 公开转引的另一组口径是整个实验用了约 13.5 亿个输入 token。知乎微博
时间上可作参照：人类玩家的主线通关中位数约 45 小时，随机种子速通纪录不到 7 分钟；27 小时 14 分落在两者之间，但人数、接口和条件都不同，只能感受量级，不能用来给 AI 和玩家排座次。知乎
比“会打游戏”更值得盯的
这场实验真正留下的，是一份 9.8 万秒、605 次失败、2,783 个动作的完整长任务记录：它说明一队智能体可以在频繁局部失败下守住同一个目标，并把经验传导给后续行动；但它没有说明 AI 已经能稳定独立完成长时间工作——一次跑通证明存在一条可行路径，重复运行才能估计这条路径多常走得通。 下次再看到“AI 通关 XX”的标题，可以先问三个问题：它用什么接口感知和操作？难度和种子是什么？人类提前给了工具、坐标还是路线？这三个答案，才决定“通关”二字测的究竟是哪部分能力。知乎
