登录
谷歌DeepMind把4个基于Gemini 4 Argon的通用编码智能体放进同一个随机生成的《我的世界》生存世界，只说出"击败末影龙"这一个最终目标，没有制定任何策略，所有行为都由智能体自行规划。这场运行持续了27小时14分钟，期间写出并执行了2783个程序。四个智能体没人教、不碰键盘，自己写代码解决难题，最终打败末影龙。微博知乎抖音
这条热搜真正回答的问题，并不是"AI会不会打游戏"。《我的世界》是通用智能体的常用试金石：任务链条长、世界开放、没有唯一正确路线，智能体必须在近一天半里守住一个目标而不崩掉。论文《A team of Gemini 4 Argon agents beats Minecraft》的价值，在于把多智能体协作从演示片段变成了一段完整、可复盘的执行记录。
它们没有眼睛，每走一步是一段代码
智能体"看"世界的方式不是像素。全程依靠代码和文本状态交互，没有任何计算机视觉输入。论文明确承认，像素输入加键鼠输出仍然困难得多——这层被绕开的感知，正是本实验的前提。知乎哔哩哔哩
"首次"的含金量在限定语里
通关《我的世界》并非AI第一次做到，作者声明必须连着限定读：据研究团队所知，这是AI智能体首次在完全自主的情况下从头到尾通关，全程仅使用标准的Mineflayer库，没有使用种子地图，也没有人类辅助。去掉这些限定，就会把不同配置下的成绩混为一谈。微博
27小时这个数字也不必换算成"比玩家强多少"：人类主线通关的中位数约45小时，随机种子速通纪录不到7分钟，但人数、接口与游戏条件全都不同，跨口径比较没有意义。知乎
真正该看的，是605次死亡
更能说明难度的是失败与重试的密度：全程发送229条消息、运行2783个程序、角色死亡605次，并且花了13.5小时才抵达末地。剩下的时间全部消耗在与末影龙的最后战斗中，说明顺利推进的前半程并不保证收尾同样顺利。微博
协作也不是设计出来的剧本，而是运行中涌现的岗位：没有预设分工，采集、制作、采矿、建造传送门等任务全由它们自行安排。有的建造末影人农场、有的收集食物、有的专注探索，并在队友死亡后寻回丢失的装备。哔哩哔哩微博
这些细节指向长任务智能体的核心命题：几百次局部失败之后，目标、进度与工具如何不丢。共享记忆减少信息丢失，工具复用减少重复劳动，救援与纠错支持恢复。知乎
边界：通关不等于稳定交付
这笔账要一起算。钱是一笔：全程约13.5亿个输入Token，按普通用户标准估算成本约1,620美元，折合人民币约1.08万元。微博
运行本身也不是无中断的：这27小时14分钟里包含6次服务器重启和总计约20分钟的暂停。监督同样存在：研究人员可通过仪表板观察，下达暂停或终止测试指令，但没有权利介入策略。知乎微博
条件是最后一笔：实验采用Easy难度、随机种子、单次运行，这只能证明存在一条可行路径，给不出成功率与方差。还有一层来自模型本身：预训练早已让模型熟悉《我的世界》的配方与机制，实验检验的是把已有知识转化为程序并协作执行的能力，而不是从零认识一个陌生世界。知乎
所以，这则热搜的正确读法不是把"27小时"折算成某个岗位的工时，而是把它看作智能体能否长程坚持的一份起点记录。下次再看到"AI通关某游戏"，先问三件事：操作是像素、键鼠还是代码？难度与种子是否由人类设定？人类提前给了多少工具与路线？三个答案不同，"通关"考的就不是同一种能力。
