四个不看屏幕、不按键的AI智能体，靠写代码在《我的世界》里干了一整天，末影龙倒下时，执行最后一击的智能体只剩20点血量里的2.5点。这是 Google DeepMind 论文《A team of Gemini 4 Argon agents beats Minecraft》记录的实验：研究者把4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。这项研究完整记录了长达27小时的协作挑战，过程比想象中更曲折。小红书知乎哔哩哔哩
不过这份成绩单得连着条件一起读：这是首个AI智能体端到端自主通关MC主线的实验，但也存在局限：使用简单难度、可读取游戏底层数据，并非像素视觉输入操控，实验仅完成一轮，不能保证次次成功。论文于2026年10月15日提交。真正值得逐条拆解的，是这27小时本身——2783段程序、605次死亡、229条消息和一份约520美元的账单，是怎么被换算成"通关"两个字的。小红书知乎小红书
开局条件：没有攻略，也没有分工表
智能体和游戏之间唯一的桥，是一个叫 Mineflayer 的开源库。每个动作都长这样：写一段几十行的短程序，比如"走到这个坐标，把 16 格内的铁矿全挖了"，交给角色执行，再读回一段文字——在哪、血量多少、背包里有什么、报了什么错。程序不能写文件、不能启动进程，也没有用过任何能直接改游戏状态的服务器命令：全场 2839 个程序都未发起网络请求或引用网页，其中 2783 个在胜利前运行。知乎知乎
场上还有第五个 Observer 智能体：不下场玩，先对照记录核查玩家的说法，再报告进展，整场没有标记出一次虚报。小红书
节奏数据：报错率22%，但失败可以局部重试
单个程序运行时长中位数 33.5 秒，每个智能体只有约 40% 的时间在跑程序，其余时间在读结果、思考和编写下一段。执行质量也不完美：程序报错率是 22%，粗算有六百多个程序以错误收场；累计死亡 605 次，平均每小时约 22 次。但死亡和死亡不一样：一部分是龙和怪物杀的，还有一部分是智能体故意跳进虚空——卡在出生平台上时，自杀重生成反而比原地发呆更快脱困。"程序即行动"的结构让失败可以局部重试：改一段代码重跑就行，不用推倒整个任务。胜利前全队总共只发了 229 条聊天消息，平均一小时不到 9 句，几乎没有一句寒暄，全是坐标、时限、物资和交接。知乎知乎
分工从聊天框里长出来：开局10分钟自己"开会"
开局第 10 分钟，聊天框里弹出一条消息：咱们分一下工吧。发消息的不是队长——这支四人小队根本没有队长。几轮方案交换后，两小时内团队凑齐铁器、钻石和下界门；角色是聊出来的：一个管食物与补给、一个做工具和末影之眼定位、一个点燃下界传送门、一个负责最后的战斗。协作最硬的证据在第十小时：一个智能体带着全部12颗末影之眼溺水身亡，队友把精确坐标和消失时刻报给最近的同伴，它在物品消失前的最后两分半钟内把12颗全部捞回——13小时17分凑齐眼睛，13小时33分进入末地，靠的就是这次交接。自我纠错也有记录：有智能体播报了一次根本没发生的成功，两分钟后自己撤回；有智能体死后一秒汇报"带回了烈焰粉"，三分钟内被队友指出矛盾。知乎小红书
末地是最磨人的一段。龙杀了他们 69 次，中途队伍自己总结出规则：别在出生黑曜石台发呆，卡住就故意跳虚空重置。约21小时时，一个智能体看明白——十颗治疗水晶把龙血锁满，堆土柱爬上去徒手砸就行。26小时34分拆完十颗水晶，27小时14分屠龙，末地战斗占了全程近一半时间。经验也确实沉淀了下来：一个修复合成问题的函数出现在四个智能体合计 655 个程序里，一个处理超时残留代码的计数器被 1519 个程序引用。小红书知乎
账单：520美元是上市促销价，12月起同样的跑法翻倍
整场运行约 2.4 万次模型调用，输入 token 约 13.5 亿、输出约 1600 万（含约 400 万思考 token）。按 Gemini 4 Argon 入门期公开 API 列表价估算，到击败末影龙为止约 520 美元，折合每小时约 19 美元、每段程序约 0.19 美元；按标准价约 1040 美元。这个价格本身有时效：入门价2026年11月30日到期，之后同样的跑法列表价直接翻倍——协作是涌现了，便宜还没涌现。知乎知乎
"首次通关"怎么读：把比较和限定语一起摆上
论文的参照系是：人类玩家主线通关中位数为 45 小时，随机种子速通纪录不到 7 分钟——27小时落在两者之间，但人数、接口和游戏条件不同，不能用来判定它比普通玩家强多少。此前也并非没人让 AI 屠过龙：论文列举了两个社区先例，一个用单个 Claude Opus 5 加 37 个高层工具打普通难度通关，一个用规划器加动作选择模型在固定速通种子上打和平难度通关。知乎知乎
边界也摆得很直白：Easy 下怪物伤害低、饿不死；Mineflayer 相当于"开了透视"，直接给出方块和实体的完整信息；模型从预训练里本来就认识游戏机制和库的用法，这是一场开卷考，考的是编排；而且只跑通了一次。所以这队的"首次"必须连着限定语读：据作者所知，是使用标准 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。小红书知乎
对普通读者，这组数据正确的打开方式不是"AI 27小时、人类45小时"式的排名，而是把它当一份长任务容错运行记录：目标保留了一整天，605次死亡和22%的报错都没有让队伍散架。世界每五分钟自动存档，服务器故障后从最近存档重启，进度才接得上。分析者把这类环境的特点总结为四条边：状态全可见，动作可验证，失败惩罚低，目标可判定——《我的世界》恰好四条全占，而真实的软件工程和企业杂活里这四条各占几条，值得每个看到"AI团队"新闻的人对照一遍。论文对这项工作的定位也说得直白：它真正留下的遗产，是验证了代码模型的长周期纠错力。接下来值得盯的是换种子、换难度的重复运行：一次跑通证明存在一条可行路径，重复运行才能告诉你，这条路径多常走得通。小红书知乎微博
