四个 Gemini 4 Argon 智能体，它们没看屏幕，历时27 小时 14 分，死了 605 次，自己写了 2,783 段程序，它们打通了《我的世界》。
每个 agent 通过一个开源的库控制角色。它每写一段程序，程序返回一段文字：坐标、血量、背包、报错。它读完，再写下一段。没有像素，没有键盘。
人类玩这游戏，一半难度在"看见"和"找路"。它跳过了，寻路是现成插件。论文也承认，这个库给了它们"特权的内部信息"，石头后面是什么直接能读。难度是 Easy，只跑了一次，没有成功率。
那这成绩全是水吗？不是。
难点不在打龙，在 27 小时里保持一个连贯的计划。2,783 段程序，中位数每段只跑 33.5 秒，22% 执行报错。最后一关打了 14 小时，死 69 次，才发现塔顶水晶在给龙回血，然后拿泥土垫高一个个敲掉。
脚本死一次就停了。能错 605 次还继续的，才叫 agent。
整个实验调模型约 2.4 万次，吃掉 13.5 亿输入 Token，91% 命中缓存，约 520 美元。缓存要是不命中，成本翻十倍以上。现在 agent 的经济性，是挂在上下文复用上的。
2021 年就有项目全自主通关过。区别是它用了人类写的任务逻辑。这次人类给的专用工具是 0 个。
所以准确点的说法不是"AI 会玩游戏了"，是"AI 开始自己造工具了"。
（公开论文与报道整理，不构成任何建议）
每个 agent 通过一个开源的库控制角色。它每写一段程序，程序返回一段文字：坐标、血量、背包、报错。它读完，再写下一段。没有像素，没有键盘。
人类玩这游戏，一半难度在"看见"和"找路"。它跳过了，寻路是现成插件。论文也承认，这个库给了它们"特权的内部信息"，石头后面是什么直接能读。难度是 Easy，只跑了一次，没有成功率。
那这成绩全是水吗？不是。
难点不在打龙，在 27 小时里保持一个连贯的计划。2,783 段程序，中位数每段只跑 33.5 秒，22% 执行报错。最后一关打了 14 小时，死 69 次，才发现塔顶水晶在给龙回血，然后拿泥土垫高一个个敲掉。
脚本死一次就停了。能错 605 次还继续的，才叫 agent。
整个实验调模型约 2.4 万次，吃掉 13.5 亿输入 Token，91% 命中缓存，约 520 美元。缓存要是不命中，成本翻十倍以上。现在 agent 的经济性，是挂在上下文复用上的。
2021 年就有项目全自主通关过。区别是它用了人类写的任务逻辑。这次人类给的专用工具是 0 个。
所以准确点的说法不是"AI 会玩游戏了"，是"AI 开始自己造工具了"。
（公开论文与报道整理，不构成任何建议）