四个运行谷歌 Gemini 4 Argon 的智能体，花了 27 小时 14 分钟、死了 605 次、跑完 2,783 个程序，击败《我的世界》的末影龙。整个游戏过程中，4 个智能体发送了 229 条消息、运行 2783 个程序，死亡 605 次。论文同时援引人类玩家作参照：HowLongToBeat 的主线通关中位数为 45 小时，随机种子速通纪录不到 7 分钟。论“打游戏厉害”，AI 离人类顶尖玩家还差着一个量级。微博知乎
所以这不是一场“AI 取代玩家”的证明。它真正回答的是另一个问题：只给一句最终目标，没有分工表、没有脚本、没有攻略，一套多智能体系统能不能在几百次失败里保住同一个目标，一路推进到最后。研究团队的概括是：据我们所知，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》。而这个“首次”带着严格限定，限定本身才是值得看的地方。微博
27 小时是怎么打下来的
谷歌研究人员 2026 年 10 月 15 日提交了论文《A team of Gemini 4 Argon agents beats Minecraft》。知乎
研究者把四个运行 Gemini 4 Argon 的通用编码智能体放进同一台 Minecraft Java Edition 1.20.4 服务器，游戏任务只有一段：从出生点出发，在生存模式规则内击败末影龙，玩家自己决定如何分担工作。它们没有拿到分工表、人类写好的游戏专用工具，也没有通关路线。条件卡得明白：Easy 难度、随机种子、单次运行；第五个同款智能体 Observer 只观察、核对记录，不操作角色；研究者全程能看实时面板、能暂停和停止，只是没有介入游戏策略。知乎
还有一个容易忽略的前提：接口。智能体不是靠看像素、按键鼠在玩游戏，而是每回合写一小段 JavaScript 交给开源库 Mineflayer 执行，游戏世界被翻译成坐标、背包、方块这样的结构化数据，操作被翻译成函数调用。论文明确承认，像素输入加键鼠输出仍然困难得多。人类玩家第一步是睁眼认世界，AI 第一步是读一张已经翻译好的表——这个差别，跟人类比较时必须还回去。知乎
执行节奏看得很细：全队平均每 35 秒产出一个新程序，程序报错率 22%，605 次死亡摊下来平均每小时约 22 次。里程碑是三个时间点：第 13 小时 33 分进入末地，第 26 小时 34 分拆完十颗水晶，第 27 小时 14 分屠龙。从进末地到结束接近 13 小时，几乎占掉全程一半，末地战斗的 69 次死亡集中在这段——前面推进顺利，不保证最后一段按同样速度完成。知乎
成本也有明确口径：到击败末影龙为止，按 Gemini 4 Argon 入门期公开 API 列表价估算约 520 美元，标准价约 1,040 美元。整个过程用了 13.5 亿个输入 Token，按普通用户标准算成本约 1,620 美元。这些数字还包含运气成本：27 小时里服务器重启了 6 次，暂停总计约 20 分钟。知乎微博
没人写剧本，但分工、救援和积累都出现了
角色不是被分配的：四个智能体自己分化出管食物补给的、造工具并用末影之眼轨迹做三角定位的、点燃下界传送门的、搭末影人掩体并打出最后屠龙一击的。这场实验有意思的点不是 AI 会打游戏，而是无预设协作——没有导演排角色，它们得自己摸索谁干什么、怎么补位、卡住了怎么换思路。分工之外有救援：一名玩家带着 12 颗末影之眼溺水，队友把精确坐标和物品消失时间发了过去，后者在物品消失前的最后两分半钟内，把 12 颗全部捞回。这份交接里有四件事——出了什么事、东西在哪里、还剩多少时间、谁能过去。给四个进程同一个目标，并不自动产生这种交接。微博知乎
经验也在沉淀成资产：146 份状态或代码跨程序保留，写出 42 个 helper 函数。修复合成问题的一个函数后来出现在 655 个程序里，处理超时残留动作的计数器被 1,519 个程序引用。“把经验写成代码、放进共享记忆、给后续行动接着用”——这恰好是工程向任务智能体最需要的机制。知乎
至于“是不是偷看了攻略”，可核查的记录是：全场 2,839 个程序都未发起网络请求或引用网页，聊天记录和 Observer 报告也没有提到网络来源。不过论文没有交代外层智能体的网页搜索工具是否被完整审计，证据只支持到这个范围。知乎
取代玩家？没有。它动摇的是“等人下指令的活”
先说清楚它不能证明什么。单次运行算不出成功率，Easy 难度和可重生的生存规则摊薄了失败的代价——若换成一次死亡就结束的硬核模式，同样的失败频率无法支撑同样的结果。把一次跑通直接换算成“AI 已经能稳定独立工作 27 小时”，成功率、条件变化、失败代价三组证据都缺。知乎
“首次”也必须连着限定读：仅用标准 Mineflayer、没有预探种子、没有人类编写的游戏专用工具。此前被称作“AI 通关”的结果各有各的辅助配置。8 分 43 秒那次自述采用 Peaceful、固定速通种子、已知坐标与只读龙传感器，路线还在另一个测试世界预探过。另一次运行则带着 37 个现成高层工具、在 Normal 难度下进行。口径不同，“通关时间”不能排进同一列比名次。知乎
游戏赛道本身，AI 这次输得很明白：人类顶尖玩家不到 7 分钟的事，它四个进程跑了一天多。但同一周公布的另一份成绩单值得放在一起看——同一个 Gemini 4 Argon 模型，在 ARC-AGI-3 这套交互式游戏测试上拿到 97.5%，在 25 个公开游戏里通关行动次数比人类基线少了 62%，其中 3 个游戏追平甚至超过了速通纪录。那是另一种格子屏小游戏，和《我的世界》不同口径，但方向一致：AI 追上的是“现学现会地玩”，而这套本事最终标价的对象是工作，不是玩家的座位。36氪
“AI 打游戏取代人类”这个担心，这个实验没有给出任何支持；“AI 长时段自主工作”这个信号，它确实提前亮了一次。 下次再看到“AI 通关 XX”，只需要问两件事：它用什么接口——像素键鼠、游戏 API 还是直接写程序？人类提前给了多少东西——工具、路线、坐标、难度？这两个答案决定了它测的是什么、能比到哪里。而对这支 Gemini 队伍，更值钱的下一步实验已经在清单上：换种子、换难度、多跑几次，统计每次失败后多久回到主线、哪些记忆被真正复用。等那些数据出来，“取代”与否，才第一次可以用数字回答。
