Gemini 4 Argon 玩完 Minecraft：27 小時、605 次死亡，多代理協作做到哪裡？
Gemini 4 Argon 的四個 AI 代理花 27 小時通關 Minecraft，寫出 2,783 個程式、歷經 605 次死亡。解析 Mineflayer、共享記憶、成本與單次實驗限制，看懂這項成果對長任務協作的意義。
Gemini 4 Argon 的四個 AI 代理花了 27 小時 14 分鐘，在 Minecraft 打倒終界龍。過程中，它們寫出 2,783 個程式，也死亡了 605 次。
單看通關消息，很容易以為 AI 已經能像人一樣盯著遊戲畫面、操作鍵盤滑鼠。但這次實驗走的是另一條路，代理透過程式取得世界資訊，再自己寫程式行動。
這個差別會改變成果的意義。因為環境提供了明確的資訊和工具，研究要測的是代理能否長時間協作、修正錯誤並維持計畫。
Google DeepMind 在台灣時間 2026 年 10 月 17 日分享成果，研究報告也公開了設定、過程與限制。成功紀錄來自容易難度的一次實驗，還不能說明每次都能完成。
對想理解 AI 團隊如何工作的人，這是一個資料相對完整的案例。它的價值在於看見代理如何把失敗接回任務，而非只看最後一擊。
要讀懂這段歷程，得先知道四個玩家接到了什麼目標，又拿到了哪些工具。
四個 Gemini 4 Argon 代理，如何從零打倒終界龍？
四個代理收到的共同目標，是在同一個生存世界打倒終界龍。因為達成目標之前要取得資源、製作道具並探索不同區域，任何一步卡住都可能拖延整個團隊。
依 研究團隊的完整報告，每個代理控制一名玩家，可以透過遊戲聊天與共享記憶溝通。研究者沒有預先指定誰採礦、誰製作工具，分工是在過程中形成的。
這裡的 AI 代理，是能根據目標使用工具並接續工作的程式系統。它不只回覆一句建議，而是會執行動作、讀取結果，再決定要做什麼。
四名玩家很快開始交換工作安排，逐步取得食物、鐵製工具與前往其他區域所需的物品。共同目標因此被拆成不同的小任務，每個人的進度也能幫到其他人。
但拆任務不等於彼此完全獨立。若某個人帶著關鍵物品死亡，其他人的計畫就可能跟著停住，所以資源位置與物品交接也是合作的一部分。
這種相依性很像軟體專案裡的前後工序：有人完成了程式修改，還需要別人能找到產物、理解狀態並接著驗證。遊戲提供了一個能完整留下紀錄的觀察環境。
代理看見的世界，和人類玩家有什麼不同？
這次成果應該理解為程式代理通關，因為它們的感知與行動來自 Mineflayer。這是讓程式控制 Minecraft 玩家的開源函式庫，也就是一組已經整理好的操作功能。
Mineflayer 官方專案 提供取得世界狀態、控制玩家與處理遊戲事件的能力。研究使用它的標準工具與路徑規劃外掛，代理再自行撰寫實際執行的程式。
因此，它們不必像人類先辨認畫面中的方塊，部分資訊也比玩家肉眼能看到的更精確。研究特別指出，工具能提供附近方塊與生物資訊，也可能取得岩石後方的資料或終界龍的內部狀態。
以下把幾個容易混在一起的條件分開，比較才不會把不同任務當成同一種能力。
| 條件 | 本次實驗 | 對結果的影響 |
|---|---|---|
| 取得資訊 | 程式讀取世界狀態 | 減少從畫面辨識物件的負擔 |
| 控制方式 | 自行撰寫程式，呼叫既有函式庫 | 可以把重複動作整理成工具 |
| 遊戲難度 | Easy | 受到的傷害等條件較寬鬆 |
| 起始世界 | 隨機產生 | 沒有事先替團隊探好路線 |
| 實驗次數 | 一次完整執行 | 無法據此估計穩定成功率 |
表格裡的工具條件並不讓成果失去價值，反而幫我們確定它測到了什麼。它呈現的是「如何運用明確工具完成長任務」，而非像人類一樣從像素學會所有操作。
移到工作情境也是一樣。給代理一個有清楚欄位的查詢工具，和讓它從混亂畫面找資訊，會產生不同難度；評估時必須把工具一起算進去。
605 次死亡之後，團隊學會了哪些合作方式？
代理能持續前進，靠的是把錯誤變成下一次能使用的資訊。因為只重試同一個動作，死亡次數再多也不會讓計畫改善。
研究記錄到，團隊會把箱子、傳送門和危險位置寫進共同筆記，也會分享工具使用上的陷阱。這讓某個玩家踩過的問題，不必由其他三個人各踩一次。
把有用的修正變成共同工具
團隊曾發現製作物品時的工具行為需要避開特定問題，於是整理出修正方式，後來被多名代理反覆使用。這比只在聊天說一句「小心」更容易落實，因為修正已經進入實際程式。
代理也保留可重用的輔助函式，例如協助玩家在水中維持狀態、計算物品數量，以及處理逾時後仍可能留下的動作。這些工具減少了每次從頭安排的負擔。
若套用到團隊工作，值得學的是保存「已驗證的做法」。一份能重跑的檢查程式，通常比一長串容易被忘記的口頭提醒更能維持一致。
物品救援與錯誤回報，也是一種協作
在一段關鍵過程中，帶著重要物品的玩家死亡，其他代理提供位置與消失期限，讓隊友及時取回。這說明合作還包括發現中斷、交代狀態與協助恢復。
研究也留下代理更正錯誤成功宣告的例子。某段程式回報了沒有發生的成果，後續代理檢查到矛盾，才把資訊修正回來。
因此，可靠的團隊不能只傳「完成」兩個字。若沒有可對照的結果，下一個人就可能把錯誤狀態當成起點，讓小問題擴大成整條流程的失敗。
延伸閱讀：Reason Network 推出：讓 Grok Bot、Claude Code 與 Codex 跨電腦協作
27 小時的成功，要怎麼計算成本與可靠度？
完成時間只有和失敗、重試與費用放在一起看，才有辦法判斷實用性。因為一次完成並沒有告訴我們，同樣任務換個世界要花多久。
報告把通關前的玩家成本，依公開 API 牌價與用量估算為約 520 美元，使用的是介紹期價格。若套標準價格，同一段用量約為 1,040 美元。
API 是讓程式呼叫模型的介面，這裡的金額是依牌價換算的使用費。它是用量的牌價估計，和實際帳單、模型公司的運算成本屬於不同口徑。
報告另外計算了包含觀察代理與通關後活動的整個工作階段，因此會得到更高的總額。比較時要先確認自己看的是「完成目標以前」，還是「整段實驗」。
成功率不能從一次成功倒推
本次是研究者第一次啟動的完整執行，最後成功完成。但缺少重複次數，就無法知道成功比例，也無法判斷不同起始環境的難度差異。
過程中有相當多程式以錯誤結束，遊戲伺服器也曾重新啟動。這些中斷讓實驗更接近長任務會遇到的狀況，同時也提醒我們把基礎設施列入紀錄。
因此，若有人拿這個成果主張「四個代理可以穩定取代一個團隊」，證據就跨得太遠。研究展示了可行路徑，穩定性與經濟效益仍需要各自測試。
成功的證據來自紀錄，而不是代理自己的宣告
研究團隊保存了程式、聊天與伺服器事件，因此能把完成時間對回遊戲真正發生的事。這讓「我們完成了」有一個獨立於文字回覆的依據。
在長任務裡，代理可能根據前一段程式預期的分支宣布成功，但實際行動沒有完成。若沒有事件紀錄，其他代理就可能繼續沿用這個錯誤假設。
因此，報告裡保留自我更正的案例也有意義。它讓讀者看見系統曾經說錯、如何發現，以及更正有沒有傳給隊友，這比把過程修飾成一路順利更有助於研究。
觀察者也不能等同於另一位玩家。研究另有第五個代理監看過程，它不參與通關；計算玩家數量與整段實驗費用時，必須把這個角色分開。
若要比較另一套代理，也應先固定工具與起始條件。因為換掉感知方式或預先提供路線，會連同任務難度一起改變，最後的通關時間就不能單獨拿來排名。
這些紀錄能證明本次過程，卻無法替代重複實驗。下一次若更換世界或工具版本，仍需要重新留下相同層次的證據，才能比較哪些行為能重現。
把這個實驗用在工作上，先學什麼？
我會先採用共享狀態與可重跑檢查，而不是直接增加代理數量。因為每多一個代理，也多了交接、衝突與結果整合的工作。
一個適合試作的任務，是讓兩個代理分別處理不同資料，再由固定規則檢查能否合併。若連共同欄位和完成標準都沒有訂好，平行工作反而可能製造更多人工整理。
先讓接手的人看得懂產物
交接內容應包含任務範圍、資料版本、已完成的動作與可驗證的成果。例如整理名單時，留下來源與篩選規則，才知道別人能否接著補資料。
這是本文依研究提出的工作建議，不是研究已在企業專案驗證的結果。它把遊戲裡的箱子位置、工具筆記與成功紀錄，轉成工作上能理解的交接內容。
讓失敗可以停止，也可以恢復
Minecraft 允許角色重生，但真實工作的寄信、付款或正式資料修改，未必有相同的重來空間。因此，第一個試作宜放在能重建的測試環境。
停止條件也要寫在任務開始以前。當資料無法取得、檢查連續失敗或費用達上限時，代理應留下狀態，讓人決定是否繼續，避免把重試當成唯一解法。
延伸閱讀：Gemini 4 Argon 企業 API 上線：優惠價格之外，長任務導入該驗收什麼？
常見問題：Gemini 4 Argon 通關紀錄怎麼讀？
這次是 AI 看著畫面玩遊戲嗎？
代理透過 Mineflayer 取得世界資料並撰寫程式行動，沒有使用人類玩家的純視覺操作方式。
因此，不能把這次結果直接等同於鍵盤滑鼠遊戲能力。
研究者完全沒有參與嗎？
研究者設定環境、目標與工具，並可從儀表板觀察、暫停或停止。
所謂沒有人工協助，是指這次執行中沒有介入攻略過程。
605 次死亡代表實驗失敗嗎？
最終目標已完成，但死亡與程式錯誤是衡量過程成本的重要部分。
它們顯示這條成功路徑包含大量恢復與嘗試，不能只保留通關結果。
企業可以直接照搬四代理架構嗎？
可以參考協作方式，但仍要依任務測試權限、成本和成功率。
遊戲裡可重來的行動，與正式業務操作有不同的失敗代價。
先讓合作能被檢查，再考慮把任務拉長
這次 Minecraft 實驗值得關注，是因為它留下了長時間合作的具體過程。共享筆記、可重用工具與錯誤更正，讓四個代理有辦法從中斷回到共同目標。
若你準備在工作中試多代理，先選一個結果能核對、失敗能復原的小任務。等交接真的順暢，再增加時間與規模，會比一開始就追求整天自主執行更容易找到問題。
想持續追蹤有原始資料的 AI 研究與工具教學，歡迎免費訂閱 AI 郵報，並從 Google DeepMind 官方說明 查看這次實驗。
