谷歌 DeepMind 放了个实验：四个 Gemini 4 Argon 智能体，扔进随机生成的《我的世界》生存世界，零人类干预，27小时14分钟干掉了末影龙。论文10月15日挂上 arXiv，这两天开始传开。

先把这个“自主”的含金量说清楚。它们不看屏幕、不碰键鼠，每个动作靠现场写 JavaScript 程序来执行，通过 Mineflayer 库操控角色。整场跑了 2783 个程序，发了 229 条聊天消息协调分工，死了 605 次。没有人给它们分配角色，谁去砍树、谁找要塞、谁建传送门，是四个智能体自己在聊天框里商量的。这一点确实有意思——以前的多智能体实验，职责往往是人类预设好的，这回是它们自己磨合出来的。

但“验证复杂任务执行能力”这个说法，得加几个注脚。论文自己列了局限：游戏开的是 Easy 难度；Mineflayer 让智能体能“看到”岩石后面的方块，人类玩家没这信息；22% 的程序以报错收场；结果来自单次运行，不是多次复现的统计。另外，这本质上是四个通用编码智能体在写代码打游戏，不是专门为《我的世界》训练的模型。所以更准确的理解是：它验证的是“长时程编码+多智能体自主协作”这条路径的可行性，而不是“AI 玩游戏的通用能力有多强”。

我个人的看法是，这事的分量不在“打通关”本身。速通纪录是六分多钟，AI 花了 27 小时还死了 605 次，效率上没什么可吹的。真正值得记一笔的是另一个维度：在一个超过一天、数千个相互依赖步骤的任务里，它们没有中途放弃，死了就重新来，自己诊断、自己爬起来。长时程任务的难点从来不在起步，在出错之后能不能续上。605 次死亡没有一次导致团队散伙，这个韧性比通关本身更有讨论价值。

当然，游戏世界有明确规则、可读状态、无限重试，现实世界这些条件都不成立。DeepMind 说这套能力可以往编码、科研、机器人方向迁移，方向可以理解，但从“游戏里能行”到“现实里能用”，中间的距离论文没有覆盖，我也不替它跨过去。先记下这个实验，等后续复现和更复杂环境下的验证出来再说。