四个 Gemini 智能体自己通关《我的世界》：27 小时、605 次死亡、1620 美元

把四个 AI 放进一个随机生成的《我的世界》，不给攻略、不给地图种子、不许人类插手，只告诉它们最终目标是击杀末影龙。27 小时后，它们通关了。

一分钟速览

• 谷歌用四个 Gemini 4 Argon 智能体从头到尾通关《我的世界》
• 全程仅使用标准 Mineflayer 库，无种子地图、无人类辅助
• 智能体通过游戏内聊天框自行分工、共享战术
• 共发送 229 条消息、运行 2783 个程序、死亡 605 次
• 消耗 13.5 亿输入 token，按普通用户价格约 1620 美元

它们不是被“教”会通关的

研究团队只给了最终目标，没有制定任何策略。四个智能体进入游戏后很快自己分了工：一个去建末影人农场，一个负责收集食物，一个专注探索，剩下的处理战斗与资源。它们会在聊天框里分享战斗技巧，队友死亡后还会去把掉落装备捡回来。

整个过程花了 13.5 小时才抵达末地，剩下的时间全部用来打末影龙。605 次死亡说明了这条路有多曲折——这不是一次精心编排的演示，而更像四个新手玩家在反复试错中摸索出来的通关记录。

长程任务才是真正的考点

过去两年，智能体评测大多停留在“单步任务”：点一个按钮、填一张表、回答一个问题。这类任务的特点是反馈快、错误可回滚。《我的世界》相反，它要求智能体在几十个小时里保持目标一致，管理背包、合成链、时间和风险。

这恰好暴露了当前模型的两个弱点：一是长上下文里的目标漂移，二是错误累积。研究团队说，这是 AI 智能体首次在完全自主的情况下从头到尾通关，意义不在于游戏本身，而在于证明“多智能体 + 长程规划 + 工具调用”这套组合，已经能撑住一个需要上百次决策链的任务。

1620 美元一局，贵不贵

13.5 亿输入 token 对应的成本约为 1620 美元。放在游戏里当然不划算，但放在工业场景里，账要换个算法：如果一次长程任务能替代数天的人工排查，或者能在一夜之间跑完原本需要一周的测试，这个价格就不算离谱。

更值得关注的是成本结构。输入 token 占大头，说明瓶颈在“看”和“想”，而不是“做”。随着上下文缓存、稀疏注意力和更便宜的推理芯片成熟，这类任务的成本还有数量级的下降空间。

多智能体的“社会性”

229 条消息里，有分工、有求助、有战术分享。这提示了一个方向：当单个模型的能力接近瓶颈时，靠多个智能体协作可以补上短板。但协作也带来新问题——如何避免重复劳动、如何分配稀缺资源、出现分歧时听谁的。游戏里死亡 605 次可以重来，现实里的智能体团队没有这么多试错机会。

下一步值得观察的是：同样的方法换到软件工程、科研实验、物流调度，还能不能跑通。如果答案是肯定的，智能体评测的标准会从“答对多少题”变成“能不能把事情做完”。

参考链接：Google DeepMind Blog