Cuatro agentes de Gemini 4 Argon, el modelo de frontera más reciente de Google, terminaron Minecraft en 27 horas con 2.783 programas que escribieron ellos mismos. Lo detalla un artículo de Google DeepMind (Faldor y otros autores) que reportó Tom's Hardware el 20 de octubre.
La corrida no fue limpia. Los agentes murieron 605 veces, aun en dificultad fácil, y cerca de la mitad del tiempo se les fue peleando contra el Ender Dragon, el jefe final del juego. El End se resolvió apilando bloques de tierra para alcanzar los cristales del jefe, con un costo estimado de unos 520 dólares en tokens.
¿Cómo se armó el experimento?
La corrida tenía un único objetivo desde el inicio, matar al Ender Dragon. Se jugó en un mundo de supervivencia aleatorio y compartido, en dificultad fácil, con cuatro agentes de Gemini 4 Argon. Había un quinto agente que solo redactaba reportes.
Cada agente manejaba su propio jugador a través de Mineflayer, una biblioteca de código abierto en JavaScript para bots de Minecraft. Se coordinaban por el chat del juego y con notas compartidas. Todos los programas de la corrida los escribieron los agentes, y el énfasis del experimento está en programar y trabajar en equipo, no en jugar bien.
Los autores la describen como la "primera compleción autónoma de punta a punta de Minecraft por agentes de IA", con el matiz de "hasta donde sabemos". La condición es usar solo Mineflayer, "sin semillas exploradas de antemano ni otras herramientas específicas del juego escritas por humanos". Mineflayer les dice a los agentes dónde están los bloques y las criaturas, y trae un complemento de búsqueda de rutas para planificar el camino.
Según el artículo, no hubo "ninguna intervención humana durante la corrida" y "nadie asignó roles ni escribió lógica de juego". Desde el primer programa hasta la muerte del dragón pasaron 27 horas y 14 minutos.
El reparto de tareas salió del chat
A nadie se le dio un rol. A los diez minutos, el bot janesick propuso por chat una división del trabajo, el bot Auratian ofreció un plan alternativo y el bot Gyldenia lo aceptó. Así quedaron las tareas.
- Gyldenia, comida, camas y pedernal.
- Bulicame, diamantes.
- Janesick, hierro y herramientas.
- Auratian, el portal al Nether.
Cuando hubo pérdidas, como una bola de fuego de un Ghast que destruyó objetos tirados en el suelo, el equipo diagnosticó la causa y escribió reglas para que no se repitiera.
Para encontrar la fortaleza, janesick lanzó dos Ojos de Ender desde puntos distintos y registró el vuelo de cada uno cada 50 milisegundos, con lo que triangularon la ubicación. Transportar los ojos tuvo su propio momento crítico. Auratian se ahogó en plena tarea, pero el lugar quedó anotado y los ojos se recuperaron.
La pelea final costó 69 muertes. Los diez cristales regeneraban al dragón una y otra vez hasta que Auratian descubrió que podían llegar a ellos con pilares de tierra. Botar los diez cristales tomó 4 horas y 40 minutos, y el dragón murió 39 minutos después.
Programas en vez de capturas de pantalla
Los agentes funcionaban escribiendo programas cortos en JavaScript, casi 2.800 en total, con 42 funciones auxiliares que se mantenían vivas de un programa a otro, mientras un bot de Mineflayer los ejecutaba en el mundo compartido. Lo que recibían de vuelta era texto con datos de estado, no imágenes. Es el mismo enfoque sin capturas de pantalla que usó GPT-6 Astra a comienzos de octubre para completar la zona inicial de los orcos en World of Warcraft.
El 22% de los programas de los agentes terminó en error.
Que agentes de IA jueguen videojuegos es una tendencia en curso. Pokémon Red es probablemente el caso más popular y ya se terminó de varias formas. Minecraft también es un blanco frecuente, y los autores lo reconocen citando dos muertes previas del dragón hechas por la comunidad.
- Un planificador con un modelo de selección de acciones, sobre una semilla fija de speedrun y en modo pacífico.
- Un solo agente de Claude Opus 5 que usó 37 herramientas de alto nivel ya hechas, en dificultad normal.
¿Cuánto costó frente a otras corridas?
La corrida de Claude, de AI Bengineering, se apoyó sobre todo en Opus 5 con esfuerzo alto. Tardó 3 horas y 56 minutos desde el inicio, con "ninguna intervención humana después del prompt", y mató al dragón con 388 llamadas a herramientas y una sola muerte. Su costo, a tarifas equivalentes de la API, fue de unos 93 dólares. El equipo de Gemini, en cambio, solo tenía Mineflayer.
| Corrida | Duración | Costo en tokens |
|---|---|---|
| Cuatro agentes Gemini 4 Argon (Minecraft) | 27 h 14 min | cerca de 520 dólares con promoción |
| Un agente Claude Opus 5 (Minecraft) | 3 h 56 min | cerca de 93 dólares |
| GPT-6 Astra (Portal, septiembre) | cerca de 24 h | 571 dólares |
El costo de Google está calculado con el precio de lanzamiento de Gemini 4 Argon, con 50% de descuento desde el acceso inicial a la API hasta el 30 de noviembre. A precio normal, la corrida habría superado los mil dólares.
La corrida consumió cerca de 1.350 millones de tokens de entrada, con el 91% servido desde caché. Hubo unas 24.000 llamadas al modelo y alrededor de 16 millones de tokens de salida, una cuarta parte de ellos de razonamiento. Sumando al agente observador, la sesión completa se estima en 810 dólares, o 1.620 dólares a precio de lista una vez terminada la promoción.
Un agente general, no uno para Minecraft
Cada jugador lo maneja un "agente de programación de propósito general de Gemini 4 Argon", es decir, uno que no está especializado en Minecraft. Según el blog de la compañía, Gemini 4 Argon es un modelo de frontera para "ingeniería de software del mundo real, trabajo de conocimiento empresarial como el legal y el financiero, y defensa en ciberseguridad".
Aunque aquí se usó en un juego, la corrida se diseñó para mostrar que Argon puede con "flujos de trabajo complejos y de largo horizonte" y con la coordinación entre agentes. Ese tipo de proyecto largo incluye descompilar un juego hasta recuperar su código fuente, como la reconstrucción de Modern Warfare 2 que ya tiene el 83% de sus funciones idénticas al original byte por byte.
