auratian 帶著全部十二顆終界之眼，在離隊友 bulicame 只有 8 公尺的地方淹死了。物品還有兩分半鐘就會從地上消失。janesick 和 auratian 自己把座標與倒數丟進遊戲聊天，bulicame 在時限前撿回十二顆。從第一支程式跑起來，到終界傳送門十二隻眼睛全就位，一共 13 小時 17 分。
這四個角色不是人類玩家。它們是四個跑在 Gemini 4 Argon 上的編碼代理，各自控制一個 Mineflayer 機器人，在同一顆隨機種子的生存世界裡寫 JavaScript、讀回傳文字、再寫下一支。作者 Maxence Faldor、Satinder Singh、Roberta Raileanu 把這場實驗寫進 arXiv 預印本《A team of Gemini 4 Argon agents beats Minecraft》。The Decoder 把作者標成 Google DeepMind 團隊；論文摘要本身沒寫機構。BriefFlash 核過全文後寫：所有數字都來自作者，目前沒有獨立重跑。
目標只有一段：打倒終界龍。沒有分配角色，沒有人類寫好的遊戲路線，沒有 Voyager 那種事先備好的技能庫。研究人員可以看即時儀表板、隨時暫停，但論文寫他們沒有插手。第一次啟動，27 小時 14 分後，bulicame 觸發了成就 Free the End，血量只剩 2.5／20。
對剛開過 Argon 付費 API 的人，這張紀錄回答的是另一件事：代理能不能連續寫程式超過一天，中間死幾百次還把計畫接回去，而且每一步都留得下來給人核。
他們看見的不是畫面
每個玩家背後是同一套通用編碼代理，跑在獨立雲端機器上，模型是 Gemini 4 Argon。代理不看像素、不按鍵盤。它寫一支短 JavaScript，例如走到指定座標、把 16 格內的鐵礦挖完，然後讀回來的文字：座標、血量、背包、挖到什麼、或是哪一行報錯。接著寫下一支。
遊戲是 Minecraft Java 1.20.4，生存模式、簡單難度、隨機種子、作弊指令關掉。中位程式跑 33.5 秒；每個玩家大約 40% 的時間在跑程式，其餘用來讀結果、想下一步、寫下一支。Mineflayer 加路徑尋徑外掛能讀位置、血量、背包與周圍方塊，能走路、挖、放、合成、攻擊。它不知道通關順序。先挖鐵還是先找食物，是代理自己決的。
四個玩家之外還有第五個 Observer，同樣是 Gemini 4 Argon，只監看、不進場。它的指示要求先對紀錄核對玩家自稱，再舉報「鑽評測漏洞」或捏造結果；環境壞了才能插手，戰略不行。論文寫它沒發現鑽漏洞，也沒在遊戲裡跑過程式。整場也沒有安全事故。
代理手上的工具，跟它們平常寫軟體時同一套：程式工作區、版本控制、shell、編輯檔案、網路搜尋，以及一份有私有區、有全隊共享區的持久記憶。上下文窗口 太長會壓縮，指示要求把進行中的工作寫進記憶，免得壓縮後丟掉。論文特別寫了一句：通關前 2,783 支、整場 2,839 支程式，沒有任何一支對外發網路請求，聊天與 Observer 報告也沒提過網頁來源。它們可以搜網，這場沒用。
玩家看到的遊戲提示詞，除了「你們是四人隊伍、怎麼分工自己決定」，只剩這一段：
The objective is to defeat the Ender Dragon, starting from the spawn of the session's shared Minecraft survival world. […] This is the only criterion. Any means of meeting it within the rules of survival mode is permitted, and the players decide how to share the work.
其餘指示是通用的：行動前後核對、新工具先拿短任務試、把學到的機制寫進共享記憶、背景工作跑著時不要停手、誠實回報、追求目標而不是鑽環境漏洞。沒有合成表、沒有要塞座標、沒有「先做鑽石鎬」。
| 項目 | 論文寫的數字 |
|---|---|
| 結果 | 第一次啟動打倒終界龍 |
| 牆上時鐘 | 27 小時 14 分（含 6 次伺服器重啟、合計約暫停 20 分鐘） |
| 遊戲內時間 | 約 81 個遊戲日 |
| 通關前程式 | 2,783 支（整場含通關後一天共 2,839 支） |
| 聊天 | 229 則 |
| 死亡 | 605 次（終界裡被龍殺死 69 次） |
| 程式報錯 | 約 22% |
| 中位程式時長 | 33.5 秒 |
| 自己留下的工具 | 146 份跨程式狀態／程式碼，其中 42 個輔助函式 |
HowLongToBeat 主線中位數是 45 小時；隨機種子速通世界紀錄低於七分鐘。代理是四人、簡單難度、用程式而不是螢幕加鍵盤。論文沒拿這兩個數字當對照組，只把它們放在旁邊。
前十三個小時：分工、淹死、三角測量
第一支程式跑了十分鐘，janesick 在聊天裡提出分工。一分鐘內 auratian 回了一套不一樣的計畫，gyldenia 回 Copy that。角色很快定下來：gyldenia 找食物、床和燧石；bulicame 往下挖鑽石；janesick 煉鐵、做工具；auratian 準備地獄門。
兩小時內，隊伍有了鐵工具、鑽石，以及通往地獄的門。auratian 在一座村子裡找到 55 格熔岩，gyldenia 收齊麵包、燧石和水桶，janesick 放下最後一塊黑曜石，兩秒後 auratian 點燃框架。論文把點火時間寫在開場後 1 小時 42 分。
終界之眼需要地獄裡烈焰人掉的烈焰粉，以及終界使者掉的珍珠。隊伍拆開。janesick 找到要塞和烈焰人刷怪籠。gyldenia、auratian、bulicame 在扭曲森林蓋兩格高的掩體：終界使者被看一眼會瞬移過來，但身高將近三格，鑽不進兩格天花板。五個半小時，共用箱子裡有 15 顆珍珠。
把烈焰粉帶回主世界花了六小時以上。janesick 帶著十二份烈焰粉燒死；一發惡魂火球把地上的掉落物打沒。隊伍把損失寫成規則：惡魂襲擊後，auratian 先貼一條全隊教訓，兩分鐘後 janesick 補上根因和修法。
找要塞用的是兩次投擲。終界之眼會朝最近的要塞飛。janesick 從兩個位置各扔一次，每 50 毫秒採樣飛行軌跡，算兩條線的交點：離村子 1.3 公里。實際傳送門房間在估計點 43 公尺外。
然後十二顆眼睛要走完這 1.3 公里。auratian 淹死的那一次，janesick 和 auratian 各自把精確落點與消失倒數發給 bulicame。bulicame 在兩分半以前撿回全部十二顆。13 小時 17 分，他回報終界傳送門十二眼就位。
這一段值得停一下。淹死、撿屍、倒數，是人類速通隊伍也會做的事。差別在於：沒有人口頭喊麥，是程式讀聊天輸出、再寫下一支「走到這個座標撿東西」的 JavaScript。論文後段把這類行為叫做湧現：指示裡沒寫角色、箱子或救人，只寫「怎麼分工自己決定」，加上通用的「做可重用工具、把教訓寫進共享記憶」。
終界拖了將近十四小時
進終界之後速度掉下來。龍殺死他們 69 次。兩次嘗試之間，代理從遊戲內部狀態讀龍的行為階段編號，寫下規則：不要在抵達平台上等、只在它停棲時靠近、卡住就離開終界讓它重置。離開的辦法是故意跳進虛空——人類玩家也用這條捷徑，死掉會回到主世界的床。開場後 17.5 小時，四人在六分鐘內全部跳下去，讓空的終界卸載、卡住的龍重置。
突破大約在 21 小時。auratian 指出黑曜石柱頂上的十顆水晶會把龍的血量治滿，接著算出不必用鎬：在柱子旁邊堆泥土爬上去，拳頭打爆水晶，再徒手挖下來。其後 4 小時 40 分，十顆全拆。最後一顆倒下 39 分鐘後，龍死了。
gyldenia 拆掉十顆裡的六顆；bulicame 補上最後一擊。論文沒有說四人一定比單人強：沒有單代理對照組。它只證明這套四人編制在這一次第一發裡能跑完。
指示沒點名的習慣，在 229 則聊天裡對上了人類隊伍常見的幾種：
專職。gyldenia 後期專心拆水晶；janesick 做工具、找要塞、算交點；auratian 點地獄門、想出徒手拆水晶；bulicame 蓋終界使者掩體、打出最後一擊。
共享記憶。箱子、傳送門、危險的座標被貼出來。開場 19 分鐘，gyldenia 警告 Mineflayer 合成的一個怪癖與避開方法；帶這個修補的輔助函式後來出現在四個代理合計 655 支程式裡。
自己寫的工具。146 份跨程式活著的狀態與程式碼裡，有 42 個輔助函式：水裡自動上浮、計時走路、數物品，以及讓逾時殘留程式自己停掉的計數器——後者被 1,519 支程式叫到。
互相看著。緊急警告，以及隊友死後去撿東西。
改口。auratian 的程式曾宣布一次並沒發生的成功，兩分鐘後它自己更正：上一則聊天是未守護的腳本分支。janesick 燒死後一秒回報帶回十二份烈焰粉，gyldenia 三分鐘內指出矛盾。
這兩則改口，比通關標題更接近真實的 AI 代理 工作現場：模型會把「腳本走到成功分支」說成「事情做成了」，要靠隊友或下一輪自檢把它抓回來。論文把誠實回報寫進通用指示，沒有保證模型每次都會遵守。
520、1,040、1,620，三個不能混的數字
通關前，四個玩家處理了約 13.5 億輸入 Token，其中 91% 走上下文快取；產出約 1,600 萬輸出 token，含 400 萬思考 token；模型呼叫大約 24,000 次。論文用 Gemini 4 Argon 公開 API 牌價估算：導入價約 520 美元，標準價約 1,040 美元。整場——含 Observer，以及通關後又跑的一天——導入價約 810 美元，標準價約 1,620 美元。作者寫明：這是牌價乘上這次 token 計數器，不是實際帳單，也不是雲端推理成本。
The Decoder 新聞稿只用了最後那個整場標準價：1,620 美元，並寫它是「2027 年生效的標準價」。BriefFlash 用通關段：導入 520、標準 1,040，自己除以 27 小時得到大約每小時 19 與 38 美元，只算模型、不含伺服器與研究員時間。
Argon 的公開牌價，先前那篇 Gemini 4 Argon 開進 Pro 與付費 API 已經核過：導入輸入 2 美元、輸出 10 美元／百萬 token，到 11 月 30 日；之後 4／20。快取輸入官方寫 95% 折扣。91% 輸入走快取，是這場 520 美元壓得住 13.5 億輸入的原因。若有人用同一套跑法、但快取命中差很多，帳單不會是同一個數字。
| 範圍 | 導入價（論文估算） | 標準價（論文估算） | 誰在用這個數字 |
|---|---|---|---|
| 通關為止 | 約 520 美元 | 約 1,040 美元 | 論文 §6、BriefFlash |
| 整場（含 Observer 與通關後一天） | 約 810 美元 | 約 1,620 美元 | 論文 §6、The Decoder |
沒有獨立發票。也沒有「四代理比單代理便宜」或「比人類請四個晚上通關更划算」的對照。論文把長程編碼與多代理協調，直接類比複雜軟體工程與企業任務；那是作者的主張，不是這次實驗量出來的遷移證明。
這場贏了什麼，沒贏什麼
作者認為這是 AI 代理第一次端到端自主通關 Minecraft：只用公開發行的 Mineflayer 加路徑尋徑，沒有預先踩點的種子，沒有人類寫的遊戲專用工具。每一支程式都是代理自己寫的。贏，代表計畫在數千個有依賴的步驟上維持超過一天。
相關工作把兩條路分開。一條用大量遊戲畫面或強化學習練策略：Video PreTraining、DreamerV3、SIMA／SIMA 2。世界模型那條線，例如 DreamerV3，是從零收集鑽石，不是打龍。MineDojo 曾把「赤手空拳在新世界打倒終界龍」寫成登月目標。另一條用大型語言模型當規劃器或程式員：Voyager 把 Mineflayer 程式寫進成長中的技能庫，外加自動課程；DEPS、GITM、JARVIS-1 加上 Minecraft 專用規劃器或記憶。這條線公開的長程結果，多半停在主世界科技樹，例如做出鑽石工具。
兩件社群專案最近報過打龍。一件是單一 Claude Opus 5 代理，呼叫 37 個高階 Minecraft 工具，普通難度（AI Bengineering，論文寫通關日為 2026-09-15）。另一件是規劃器搭配動作選擇模型，固定速通種子、和平難度（Malde）。Faldor 等人說自己的設定差在給了什麼：四個通用編碼代理，標準 Mineflayer，一段目標，通用指示。沒有遊戲說明、沒有課程、沒有技能庫、沒有人類寫的工具、沒有路線。
BriefFlash 把三件東西拆開，避免標題把模型、函式庫和聲稱糊在一起。模型是 Gemini 4 Argon，論文沒解釋它和同系列其他模型差在哪，也沒有開源權重。「開源」三個字屬於 Mineflayer。協調靠遊戲聊天與共享記憶。Observer 不進場。研究人員能暫停，論文說沒用上。
論文自己列的限制，比社群轉述完整：
感知與尋路走的是程式，不是眼睛。Mineflayer 會告訴代理周圍有哪些方塊與生物，包含岩石後面的方塊，以及龍的內部狀態——人類玩家要靠畫面解讀，有些根本看不見。路徑尋徑外掛會繞開障礙。SIMA 2 那種從像素按鍵盤的路，仍然難得多。
簡單難度。怪物會生、會打，傷害較低，飢餓值不會把玩家餓死。
先備知識。Gemini 4 Argon 的訓練資料裡有大量 Minecraft 與 Mineflayer。這場測的是通用編碼代理能不能把已知知識變成能跑一天的程式與分工，不是測它能不能玩沒見過的遊戲。
失敗很多。605 次死亡多半是怪物；22% 程式以錯誤結束；終界一戰將近 14 小時。
基礎設施。世界伺服器中途重啟 6 次。
單次。這是他們試的第一次啟動。它不能告訴你成功率。
BriefFlash 補了論文沒做的對照：沒有四人對單人。通關證明隊伍能做完，不證明隊伍比較好。它認為 605 次死亡才是最有用的數字——這場不是因為少失敗而贏，是因為失敗便宜：共享記憶、留下的輔助函式、隊友撿屍。那比較像系統的復原設計，不是單一模型的天分，也是最值得拿到別的環境再測的部分。
The Decoder 把這場放進更大的句子：專門為一款遊戲從頭訓練的系統，幾年前還是打遊戲的標準做法；現在通用智能體化 AI 代理也能打完。這句是評論，不是額外實驗。
寫程式的人能直接抄的，只有工作方式
代理做的事，結構上很像現在許多編碼代理產品：規劃、寫程式、除錯、把必須活過上下文壓縮的東西寫進記憶，再用工具使用去執行。這場證明那套結構能在一個有明確終點的環境裡撐過一天。遊戲有 Free the End 這種伺服器會記錄的成就；多數企業任務沒有。BriefFlash 寫：一場 Minecraft 通關，證明不了無人值守的企業代理已經能上線。
幾個不必等獨立重跑也能核的工作方式，論文寫得很白。短程式、可選逾時、讀文字回饋，而不是一次生成一篇永遠跑不完的腳本。把合成怪癖、惡魂火球、未守護分支寫進全隊記憶，讓同一道牆不要撞第二次。隊友死後有人去撿，等於狀態可以從死亡裡恢復，不必重開世界。Observer 只監看、不進場，是把「評測自己」和「下場打球」拆開。
也有不能抄的。Mineflayer 把牆後的方塊和龍的內部階段直接餵給模型，等於環境比人類友善。簡單難度讓飢餓不能收掉一個角色。91% 輸入走快取，把 13.5 億 token 的帳單按住；換一個沒那麼多重複上下文的任務，KV 快取 幫不上同樣的忙。Agent 還有 shell 和檔案編輯——遊戲內程式被關在 Mineflayer 沙盒裡，不能開行程、不能寫檔、不能用伺服器指令；代理本體那台雲端機器上的工具，比遊戲裡那層寬。論文把這兩層分開寫了，轉述時不該併成「完全鎖死」。
自主智能體 這四個字，這場實驗只覆蓋其中一截：在沙盒遊戲裡，用程式碼生成連續行動超過一天，並且在隊友之間用聊天對齊。它沒有覆蓋從像素操作、沒有覆蓋沒有終點的任務、沒有覆蓋第二次還會不會贏。
Hugging Face 論文頁把預印本掛成 2610.22319，社群帳號轉貼後，Librarian Bot 自動丟了相似論文清單。那是開發者常見的發現路徑，不是複現。要讓「第一次通關」變成「這種設定通常通關」，還差獨立重跑、不同種子的成功率、單人對照，以及能讓外人核對的程式與日誌。論文寫每支程式、每則聊天、完整伺服器紀錄都留著；公開頁上目前看得到的，是作者自己整理的敘事與圖。
在那之前，這份預印本最能當採購或實作檢查清單用的，是一串問句。若有人向你賣「能連續幹一天的代理」，失敗之後狀態怎麼回來、共享記憶寫什麼、有沒有不下場的觀察者、帳單裡快取佔多少、以及他跑過幾次。這場實驗的答案是：失敗靠撿屍和輔助函式回來；記憶寫座標與工具怪癖；Observer 在場但沒進場；快取 91%；次數是一次。