Команда из четырех агентов Gemini 4 Argon от Google DeepMind смогла пройти Minecraft за 27 часов, написав 2783 программы. Об этом говорится в статье, опубликованной на arXiv. Агенты погибали 605 раз, даже на легком уровне сложности, а около половины времени ушло на битву с Драконом Края. Финальный этап был пройден благодаря тому, что агенты научились строить из земли, чтобы добраться до кристаллов босса. Примерная стоимость эксперимента составила около 520 долларов в токенах.
Экспериментальный запуск с самого начала был нацелен на одну цель: убить Дракона Края. В игровом процессе использовался случайный общий мир выживания на легком уровне сложности с четырьмя агентами Gemini 4 Argon — пятый агент существовал только для отчетности. Каждый агент управлял своим персонажем через библиотеку JavaScript Mineflayer для ботов Minecraft, но они могли координировать свои действия через внутриигровой чат и общие заметки. Каждая программа, использованная в процессе, была написана самими агентами, причем акцент делался на программировании и командной работе, а не на игровом процессе.
Авторы утверждают, что это «первое полное автономное прохождение Minecraft с помощью ИИ-агентов», по крайней мере, «насколько нам известно», с использованием Mineflayer «без предварительно разведанных семян или других игровых инструментов, написанных людьми». Mineflayer сообщает агентам о местоположении блоков и существ, а плагин поиска пути помогает планировать маршруты. Во время прохождения «не было никакого человеческого вмешательства», и «никто не назначал роли и не писал игровую логику». Прохождение, начавшееся с первой программы и закончившееся смертью дракона, заняло 27 часов 14 минут.
Хотя агентам не были назначены роли, примерно через 10 минут бот janesick предложил в чате разделение труда. Бот Auratian предложил альтернативный план, а бот Gyldenia его принял. В итоге роли распределились так: Gyldenia отвечал за еду, кровати и кремень; Bulicame — за алмазы; Janesick — за железо и инструменты; Auratian — за портал в Нижний мир. Моменты неудач, такие как уничтожение выпавших предметов огненным шаром Гаста, побудили команду диагностировать причину и написать правила для предотвращения подобных ситуаций в будущем.
Поиск крепости лег на плечи janesick, который бросал два Ока Края из разных точек и каждые 50 мс отслеживал полет каждого глаза, триангулируя местоположение. Перевозка глаз сопровождалась собственным критическим моментом, когда Auratian утонул во время выполнения задачи, но место было отмечено, и глаза были спасены.
Финальная битва с драконом привела к 69 смертям, а десять кристаллов постоянно восстанавливали босса, пока Auratian не обнаружил, что можно использовать земляные столбы для достижения кристаллов. Через четыре часа 40 минут все десять кристаллов были уничтожены, а дракон погиб еще через 39 минут.
Агенты работали, написав около 2800 коротких программ на JavaScript, с 42 вспомогательными функциями, которые сохранялись между программами, в то время как бот Mineflayer запускал их в общем мире. Текст возвращался с данными о состоянии, а не изображениями. Это общий подход с GPT-6 Astra, который ранее в этом месяце прошел стартовую зону орков в World of Warcraft без скриншотов. ИИ-агенты, играющие в игры, — это продолжающаяся тенденция, причем Pokémon Red, вероятно, является самой популярной игрой, пройденной несколькими способами, в том числе с использованием модели принятия решений Jev.
Minecraft также был популярной целью, и авторы признают это, выделяя два предыдущих случая убийства дракона сообществом: планировщик с моделью выбора действий на фиксированном сиде для скоростного прохождения в мирном режиме и одиночный агент Claude Opus 5, который использовал 37 готовых высокоуровневых инструментов на нормальном уровне сложности, в отличие от команды Gemini, использовавшей только Mineflayer. Прохождение Claude от AI Bengineering, в основном полагавшееся на Opus 5 с большими усилиями, заняло 3 часа 56 минут с момента запуска — «без человеческого вмешательства после запроса» — до убийства с 388 вызовами инструментов и всего одной смертью. Стоимость в этом случае, по эквивалентным ставкам API, составила около 93 долларов.
Прохождение Minecraft от Google, с использованием 50% скидки на Gemini 4 Argon, которая действовала с момента первоначального доступа к API после анонса модели до 30 ноября, обошлось более чем в половину тысячи долларов; при обычной цене это более тысячи долларов. Прохождение GPT-6 Astra Portal в прошлом месяце, занявшее около 24 часов, обошлось в 571 доллар в токенах.
Прохождение Google использовало около 1,35 миллиарда входных токенов, 91% из которых были обслужены из кэша. Около 24 000 вызовов модели включали примерно 16 миллионов выходных токенов, четверть из которых были «мыслительными». В общей сложности, если учитывать и наблюдателя, сессия оценивалась бы в 810 долларов, или 1620 долларов после окончания акции, по прейскурантным ценам.
Каждый игрок управляется «универсальным кодирующим агентом Gemini 4 Argon», что является изысканным способом сказать, что он не специализируется на Minecraft. Сам Gemini 4 Argon — это передовая модель для «реальной разработки программного обеспечения, корпоративной работы с знаниями, такой как юридическая и финансовая сферы, и защиты кибербезопасности», согласно блогу компании. В Minecraft 22% программ агентов заканчивались ошибкой, с более чем 600 смертями.
Хотя модель использовалась для игры, прохождение было разработано, чтобы показать, что Argon способен выполнять «сложные, долгосрочные рабочие процессы» для реальных задач и координации агентов. Такие долгосрочные проекты могут включать декомпиляцию игры обратно в исходный код, как мы недавно освещали при восстановлении исходного кода Modern Warfare 2, где 83% функций шутера 2009 года теперь соответствуют оригиналу байт в байт.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Shane Downing
