死了六百零五次，那个停止键始终没人按

2026-10-18 · 人工智能

先把结果说了。10 月 15 日，Google DeepMind 的三个人把一篇论文挂上 arXiv，标题朴素得像小学生的暑假作文：《A team of Gemini 4 Argon agents beats Minecraft》。四个智能体被丢进一个随机生成的《我的世界》生存世界，只给一句话的目标：打败末影龙。27 小时 14 分钟之后，龙死了。

这事真正让我坐直身子的，不是通关，是那个停止键。

研究员可以随时在后台看直播，也可以随时按暂停，或者干脆把这一局掐掉。论文里把这句写得很平静：他们从来没找到按下去的理由。27 个小时里，四个账号死了 605 次，22% 的程序以报错收场，末地那一仗打了将近 14 个钟头，仍然没有一个人伸手。

我得说，这个画面我熟。区别是，我这边按的人太多了。

一、通关难在哪

不玩这游戏的人可能不知道，打完末影龙不是一场 BOSS 战，是一条几千步的依赖链。先砍树，做工作台，做木镐，挖石头，做石镐，找铁，烧铁，做铁镐，挖钻石，做钻石镐，下界，找要塞，打烈焰人拿烈焰棒，找末影人拿末影珍珠，合成末影之眼，靠眼睛的飞行方向三角定位出要塞，进末地，先拆掉十根给龙回血的水晶，最后才是那场仗。

中间任何一步断掉，后面的都不成立。人对这事的耐心上限大概是四十五个小时——HowLongToBeat 上《我的世界》主线的中位通关时长；速通选手把纪录压到了七分钟以内，靠的是背熟地图和一点点不讲武德。

DeepMind 给这四个智能体的，是一张随机地图，Easy 难度，开着生存模式，作弊指令关掉，没有预先勘探的种子。落地那一刻，它们和一个第一次打开存档的人没有区别。

二、它们的玩法跟人不一样

人玩这游戏，眼睛看屏幕，手按键盘。这四个不看屏幕，也不按键。它们靠写程序。

程序不长，比如「走到这个坐标，把十六格内所有铁矿挖掉」，跑完读回一行文本：位置、血量、背包、挖到了什么，或者报了什么错。然后再写下一条。中间那个库叫 Mineflayer，一个开源的 JavaScript 工具，能让代码直接操纵游戏角色。它不负责告诉你怎么玩，只负责搬砖。

一条程序的中位运行时间是 33.5 秒。整个跑程里，每个角色大约有 40% 的时间有程序在跑，剩下的时间在读结果、想下一步、写下一段。

27 小时里它们一共写了 2783 个程序（通关前的数量，算上通关之后的活动是 2839 个），六万三千多行 JavaScript。彼此之间说了 229 句话，全部在游戏自带的聊天框里。还有一份共享笔记，记坐标、记教训、记「这条路上有岩浆」。

没有队长。没有人被指派去砍树，也没有人规定谁下界。第一小时里它们自己在聊天框里把活分了，之后一路这么干下去。队友死了，掉的东西别人去捡。

这一点比通关本身更值得看。四个模型共用一个聊天频道，居然没有吵起来，也没有出现「三个人同时去挖同一块钻石」这种典型的团队灾难。它们的办法很土：谁先说了，谁就去干。

第五个智能体叫 Observer，从头到尾只看不玩。它的任务是核对队友的说法对不对，报告有没有作弊——比如钻评测的空子——并且不许碰游戏。它最后交上来的结论是：没发现规格作弊，也没有安全事故。人工抽查日志，结论一样。

三、账单

我原以为跑这么一局会很贵，结果比我预想的便宜。

通关之前，四个角色一共吃进约 13.5 亿输入 token，其中 91% 走了上下文缓存；吐出约 1600 万 token，含 400 万思考 token；总共约两万四千次模型调用。按 Gemini 4 Argon 的公开 API 入门价算，大约 520 美元。按标准价翻倍，1040 美元。算上 Observer 和通关后那一整天的活动，810 美元，标准价 1620 美元。

八百美元，一个周末，四个不知疲倦的账号。这个价格放在任何一个外包团队的报价单上，都属于印刷错误。

中间服务器重启了 6 次，一共中断了大约 20 分钟。这句话是我今年读过的所有智能体演示里最诚实的一句——它承认世界会挂，而且挂了要重来。

四、它做不到的事

论文自己列了四条限制，我一条条抄下来，因为这几条比结果重要。

第一，Mineflayer 把一切都告诉它了。哪块石头后面有矿，龙还剩多少血，这些信息人得靠眼睛看、靠经验猜，甚至根本看不见，它直接读到。寻路插件替它绕开了障碍，人得自己绕。

第二，Easy 难度。怪物会来，但打得轻，饿也饿不死。

第三，它早就知道这游戏怎么玩。训练数据里堆满了《我的世界》和 Mineflayer，这一局考的是「能不能把知道的东西变成能跑的程序」，不是「能不能学会一个没见过的东西」。

第四，只跑了一次。第一次就成，听着漂亮，但也意味着没法说它有多稳。

还有一条论文之外的历史。2021 年有个叫 Altoclef 的开源项目，也自动通关过，比这次早五年。区别在于，那套东西的任务顺序是人一条条写死的，寻路用的是 Baritone。这次的不同在于，逻辑是模型自己在运行中现写的。要说「首个」，得说清楚是首个用通用工具、不靠人写游戏逻辑的。

五、日志里那行字

通关的证据不是视频，是服务器日志里的一行：

[Server thread/INFO]: bulicame has made the advancement [Free the End]

27 小时 14 分钟，从第一行程序算起。账号叫 bulicame，背后没有人。

我盯着这行字看了很久，想的不是「AI 会打游戏了」这种事。我想的是另一件更平常的事：这四个东西在 27 个小时里反复失败、互相找东西、把踩过的坑写进共享笔记，然后接着干。这套行为，跟我们带一个项目没什么两样，只是没有下班，没有情绪，没有「这个需求谁提的」。

所以那个停止键才让人不安。不是因为有人会按，是因为没人需要按——它没做错事，只是一直在做。等哪天它做的不是游戏里的活，这套「一直在做」的本事，就成了另一回事。

那时候我们还剩几个理由不伸手。