Google DeepMind 让 4 个 Gemini 4 Argon 智能体 27 小时通关《我的世界》：自写 2,783 段程序、死亡 605 次，按入门价约 $520

10 月 15 日，Google DeepMind 开放式研究（Open-endedness）团队的 Maxence Faldor、Satinder Singh、Roberta Raileanu 在 arXiv 发布论文《A team of Gemini 4 Argon agents beats Minecraft》（arXiv:2610.22319）：4 个由 Gemini 4 Argon 驱动的通用编码智能体被放进《我的世界》Java 版 1.20.4 生存模式（简单难度、随机种子、禁用作弊指令），唯一目标是击败末影龙。它们不看画面、不按键盘，而是通过开源 JavaScript 库 Mineflayer 写程序控制角色，靠游戏内聊天和共享记忆协作，没人分配角色，也没人写任何游戏逻辑。结果：27 小时 14 分钟通关，共写 2,783 段程序、发 229 条消息、阵亡 605 次（其中 69 次死于末影龙），另有第 5 个「观察者」智能体全程监督作弊与刷分，未发现规格博弈。论文称这是首次仅凭标准 Mineflayer、无预探种子和人写工具的端到端自主通关。

谁能用：这是研究演示，不是新产品，论文页面未见配套代码仓库；底座 Gemini 4 Argon 本身——Gemini App / AI 搜索面向 Google AI Pro 与 Ultra，Antigravity 面向付费 Pro（单独周配额）、Ultra 与 Enterprise，付费 API 全球开放（模型名 gemini-4-argon），入门价约每百万 token 输入 2 美元 / 输出 10 美元，约 11 月 30 日后调为 4 / 20 美元；Mineflayer 为开源库（GitHub 约 7.6k 星）。

成本与限制：4 个玩家智能体到通关共处理约 13.5 亿输入 token（91% 命中上下文缓存）、生成约 1,600 万输出 token（含 400 万思考 token），约 2.4 万次模型调用；按 Gemini 4 Argon 公开 API 入门价约 520 美元（标准价约 1,040 美元），整场含观察者和赛后活动约 810 美元（1,620 美元）。论文自承局限：Mineflayer 直接给出方块与怪物的精确信息（包括墙后方块和末影龙内部状态），寻路插件代劳导航，比 SIMA 2 那种看像素、按键鼠的设定容易得多；只跑了一次、简单难度、且模型训练数据里本就熟悉 Minecraft 和 Mineflayer；22% 的程序以报错结束，末地之战耗时近 14 小时。

真实用法：社区早已在用 Argon「玩」Minecraft——有开发者让 Gemini 4 Argon 与 Claude Opus 5.5 在游戏里各盖一座房子加一只羊驼，API 花费分别为 3.63 美元和 7.25 美元，认为 Argon 细节更好；3D 创作者做了 Argon 与 Opus 5.5 的建筑、角色动画、Minecraft 原型等同题对比，结论是 Gemini 更便宜更快、Opus 质量仍占优；还有人用 Argon 写蜘蛛侠模组、在 Google Sheets 里复刻 Minecraft，也有 Ultra 用户吐槽用 Argon 写 Minecraft 克隆「每分钟吃掉 1% 额度」。论文还对比了两条社区路线：单个 Claude Opus 5 智能体调用 37 个高层 Minecraft 工具在普通难度通关（AI Bengineering，9 月 15 日），以及在和平难度固定种子上用规划器 + 动作模型通关的 rmalde/minecraft-agent（约 590 星）。

解读：这篇论文真正想证明的不是「AI 会玩游戏」，而是长程编码代理的可靠性——一天以上保持同一目标、在 2,000 多段程序和 600 次失败中自我纠错、多智能体自发分工，这正是企业级长任务需要的能力；约 520 美元的账单也给了「跑一天多智能体」一个可参考的价格锚点。但单次运行、简单难度、Mineflayer 提供的「上帝视角」都意味着它更像能力展示而非可复现的基准，宣传里的「首次通关」需要和社区已有的 Opus 5 通关方案放在一起看。讨论：1. 你愿意为一个连续跑 27 小时、最终成功的多智能体任务付约 500 美元吗？换成你的业务场景会是什么任务？2. 「观察者智能体」监督作弊的做法，能不能直接搬进企业里的长程代理工作流？