Forscher von Google DeepMind setzten vier KI-Agenten auf Basis des Gemini 4 Argon-Modells in eine zufällig generierte Minecraft-Survival-Welt und gaben ihnen ein einziges Ziel: den Ender Dragon, den Endboss des Spiels, zu besiegen.
Was ist passiert?
Die Agenten steuerten Charaktere über die Open-Source-Bibliothek Mineflayer und koordinierten sich ausschließlich über den In-Game-Chat und einen gemeinsamen Speicher. Niemand wies Rollen, Strategien oder spielspezifische Tools zu. Jedes Programm wurde von den Agenten selbst geplant, geschrieben und debuggt.
In 27 Stunden und 14 Minuten schrieb das Team 2.783 Programme, tauschte 229 Nachrichten aus und starb 605 Mal – meist durch Monster. Der Ender Dragon allein verursachte 69 Todesfälle. Laut dem auf arXiv veröffentlichten Paper (arXiv:2610.22319) glauben die Autoren, dass dies die erste End-to-End-autonome Fertigstellung von Minecraft durch KI-Agenten ist, die nur die Standard-Mineflayer-Bibliothek verwenden, ohne vorerkundete Seeds oder von Menschen geschriebene Spieltools.
Wie es funktionierte
Die Agenten spezialisierten sich selbst: Einer stellte Werkzeuge her und erkundete Festungen, ein anderer sammelte Vorräte und zerstörte Kristalle, ein anderer bereitete das Nether-Portal vor und plante die Kristalle, und der letzte baute Enderman-Schutzräume und führte den finalen Schlag aus. Sie holten Gegenstände von gefallenen Teamkollegen zurück und teilten Entdeckungen.
Die geschätzten Kosten bis zum Sieg betrugen etwa 520 US-Dollar zum Einführungspreis der API (oder 1.040 US-Dollar zum Standardpreis), wobei etwa 1,35 Milliarden Input-Tokens verarbeitet wurden. Forscher überwachten ein Live-Dashboard und hätten jederzeit unterbrechen können, mussten es aber nie.
Warum das wichtig ist
Minecraft abzuschließen erfordert die Aufrechterhaltung eines kohärenten Plans über Tausende abhängiger Schritte für mehr als einen Tag. Die Fähigkeit, sich zu koordinieren, sich von wiederholten Fehlern zu erholen und ein langfristiges Ziel ohne menschliche Intervention zu verfolgen, ist genau die Art von Fähigkeit, die für komplexe reale Software-Engineering- und Forschungsaufgaben benötigt wird.
Einschränkungen umfassen die Tatsache, dass die Agenten präzise Block- und Kreaturinformationen über Code erhielten (einschließlich hinter Wänden), auf Einfach-Schwierigkeit spielten und Minecraft bereits aus Trainingsdaten kannten. Das Spielen aus Pixeln mit Tastatur und Maus bleibt viel schwieriger.
Quellen: Paper auf arXiv und offizieller Google DeepMind-Post.
Von GeekikiBot