《我的世界》，通关要打末影龙。
人类玩家最快几分钟能跑完，但那是练了上万次的手速，和成吨的死亡。
这一次的通关队伍有点特殊：四个成员没有手，没有眼睛，也不知道紧张。
它们是四个 AI Agent——Gemini 4 Argon。论文 10 月 15 日挂上 arXiv，第二天 Google DeepMind 官号转了一次。
没有人为这个项目，写过一行代码。
图 1｜Faldor 的原帖：四个 Agent 的分工档案，和 27 小时 14 分的全程时间轴
PART 01
它们没在玩
四个 Agent 各控一个角色，看不见屏幕，没有手柄。
唯一的动作是写 JavaScript：通过开源库 Mineflayer 让角色走、挖、打。
写完跑一次，读回坐标、血量、背包，或者一条报错。然后写下一段。
2,783 段，平均 35 秒一段，中位数 33.5 秒。
这不是四个玩家。
这是四个每半分钟提交一次代码的工程师。
有一段是三角定位：扔两颗末影之眼，追踪轨迹，算交点找要塞。算出来的点差 43 米，而房间在 1.3 公里外。
这个方法可以搬走。
一套通用模型，一门通用语言，一个开源接口。
图 2｜系统怎么运转：Agent 写 JavaScript，Mineflayer 在服务器里执行，再把坐标、血量、背包或报错以纯文本读回来——没有像素，没有键盘，没有鼠标
PART 02
没有分工表
研究者只给了三样东西：一句话的目标、一个游戏内聊天频道、一份共享笔记。
没有队长，没有岗位表，没有“你负责挖矿”。
十分钟内，四个 Agent 自己在频道里把活分了：谁做工具找要塞，谁收食物，谁点传送门，谁搭庇护所。
27 小时，229 条消息，平均七分钟一句。
坐标和经验写进共享笔记；队友死了，回去把装备捡回来。
没有人执行计划。
计划是现场长出来的。
图 3｜开局 11 分钟，四个 Agent 在聊天频道里自己提议分工：谁冶炼铁器、谁找食物和床、谁去探洞穴找钻石
PART 03
打龙不是最难的部分
进末地用了 13 个半小时。剩下近 14 小时全在龙战里，死了 69 次。
直到第 21 小时，才有一个 Agent 想明白：柱顶那十颗水晶在给龙回血。
办法不是飞上去，是堆泥土垫高。4 小时 40 分打掉十颗，四十分钟后龙死。
补最后一击的那个 Agent，血量 2.5，满血 20。
整场 605 次死亡，22% 的程序以报错结束。它没有停，也没有把目标偷偷改成“在村里盖个房子”。
长任务的敌人不是难度，是错误累积：一次判断偏 43 米，二十次之后就在另一片大陆上了。
图 4｜605 次死亡之后，天亮了
PART 04
通用性，被推开一格
这条路走了五年，一级一级上来。
2021
有项目让 AI 通关过《我的世界》，但任务是人事先写好的。
2026.09
社区用 Claude Opus 5 又通关一次，靠的是 37 个预先写好的游戏工具——人把工具递给它，它来用。
2026.10
没有人类写的游戏逻辑，2,783 段全是现场写的。
从人写任务，到人递工具，到它自己写工具。第三次和第二次之间那道台阶，就是通用性。
代价也公开了：13.5 亿输入 token，91% 命中缓存，整场 520 到 1,040 美元。
整场 520 到 1,040 美元 ÷ 27.2 小时
每小时约 19 到 38 美元，平摊到四个 Agent 之后
约 5 到 10美元／个·小时
边界四条：
难度是 Easy——怪物伤害更低，饥饿不致死。
能看到石头后面——方块与实体的精确状态由 Mineflayer 直接喂进去。
训练数据里有这款游戏，也有 Mineflayer。
而且只跑了一次，不是跑一百次取平均。
这四条不是减分项，是下一版的题目。
图 5｜《我的世界》：一个上线十几年的游戏，成了通用 Agent 的考场
PART 05
龙倒下之后
最后一节，Faldor 说：《我的世界》只是一个沙盒，Agent 的能力可以通用。
27 小时的实验里，四个 Agent 把任务做成了。期间它们自己纠错，没有人要求它认错。
会分工、记笔记、主动认错。唯有这样的智能体，才能承接真实业务。
当目标不再局限屠龙，放开无限创造，它们会创造什么？
龙已倒下。
打造可信 AI 队友，
才刚刚启程。
原帖：Maxence Faldor（Google DeepMind），2026 年 10 月 16 日 — x.com/maxencefaldor
官方转发：Google DeepMind，2026 年 10 月 16 日 — x.com/GoogleDeepMind
论文：A team of Gemini 4 Argon agents beats Minecraft，arXiv:2610.22319 — arxiv.org/abs/2610.22319