DeepMind 四个 Gemini 4 Argon 智能体自己打通《我的世界》：27 小时 14 分、死 605 次、自己写了 2783 个程序

先把出处钉死。论文标题是《A team of Gemini 4 Argon agents beats Minecraft》，作者 Maxence Faldor、Satinder Singh、Roberta Raileanu，arXiv 编号 2610.22319，学科分类 cs.AI，2026 年 10 月 15 日提交。TechRepublic 与 Tom's Hardware 在 10 月 20 日做了报道，中文圈流传的数字基本都出自这两家对论文的转述。本文所有数字以论文摘要与这两篇报道为准，凡是论文没写的，本文标注为媒体报道口径。

它们是怎么「玩」的：完全不看像素，也不模拟按键。每个智能体通过开源 JavaScript 库 Mineflayer 控制一个玩家，方式是写一小段代码去走、去挖、去战斗，动作执行后读回文本反馈，再决定下一步。也就是说，底层接口是代码和文字，不是图像。这一点很关键，因为后面所有「能不能搬到真实工作」的讨论都卡在这里。

硬数据列出来：四个人类视角的智能体，加一个被叫作 Observer 的第五个机器人做监督，确认没有作弊。全程写了 2783 个程序，在游戏内聊天里发了 229 条消息，死亡 605 次，耗时 27 小时 14 分钟，22% 的程序执行时报错。起点是随机生成的生存世界，难度选的是 Easy，没有预探地图，也没有任何人类专门为这个游戏写的工具。

分工是长出来的，不是分配的。报道里四个角色分别是：Janesick 负责造工具，gyldenia 负责收集食物，auratian 负责激活传送门，bulicame 负责修防御并补上最后一刀。最能说明协作水平的是一个事故：auratian 身上带着全部 12 个末影之眼时淹死了，队友算出掉落物消失的倒计时，赶过去把装备抢了回来。这种事没有写进任何剧本，是它们自己算出来的。

花了多少钱。按报道，这次跑量约 13.5 亿输入 token，按介绍价折合约 520 美元，按标准价算整场约 1620 美元。这个数字值得记住，因为它给出了「长时程智能体」当前的量级：一次几十小时的成功运行，账单一千多美元。任何想把这类智能体放进生产环境的人，都得先算这一笔。

为什么这比「AI 打游戏」重要。论文自己的落点是软件工程与企业任务：真实世界的编码和业务任务同样要求跨成千上万个依赖步骤保持一个连贯计划，同样要求多智能体分工、共享经验、互相捞回失误。换句话说，Minecraft 在这里的作用是可控的试验场，而不是目的。它测的是「计划能不能活过一天」这件事。

必须把局限写清楚。TechRepublic 指出的第一条是环境性质：这个沙盒里方块坐标、实体血量这类底层数据通过 API 直接暴露，智能体不需要像人类那样去识别一个杂乱的图形界面。第二条是 22% 的程序报错率，在游戏里错了可以重来，在企业流程里，涉及资金、敏感数据或生产系统的动作没有这个余量。第三条是运行时有人盯着仪表盘，虽然没介入，但这不等于无人监管。

边界与不做的推断。第一，「首次」这个说法是作者自评，原文措辞是 to our knowledge，不是第三方认定的世界纪录。第二，论文 10 月 15 日就提交了，10 月 20 日才被媒体大范围报道，本文按「论文发布 + 媒体报道」两件事分开写。第三，这条新闻不能推出「AI 智能体已可替代人类工程师」，论文自己写的是「真实软件工程任务需要同样的能力」，需要不等于具备。第四，它也没有公布可复现的完整代码与配置细节到能让外人一键重跑的程度，本文不做此推断。