Cuatro agentes Gemini 4 Argon derrotaron al Ender Dragon en una única partida de supervivencia de Minecraft, según un estudio de investigadores de Google DeepMind. Jugaron en un mundo aleatorio de Minecraft Java Edition 1.20.4, en dificultad fácil, y controlaron el juego escribiendo código para Mineflayer, no con teclado y ratón.
Cómo controlaron Minecraft
Cada agente jugador escribía y ejecutaba programas en JavaScript mediante Mineflayer y su complemento de búsqueda de caminos. En lugar de interpretar píxeles de la pantalla, recibía información estructurada del estado del juego. Mineflayer también exponía datos como los bloques ocultos tras roca sólida y el estado interno del Ender Dragon.
Ese acceso definió las condiciones de la prueba: los agentes podían consultar datos del mundo que un jugador no obtiene simplemente mirando la pantalla. Los investigadores también señalan la dificultad fácil y el conocimiento previo de Minecraft como límites relevantes para interpretar el resultado.
Coordinación, supervisión y errores
Los cuatro agentes jugadores se coordinaron mediante el chat del juego y una memoria persistente compartida; sus funciones surgieron durante la partida, en lugar de asignarse de antemano. Un quinto agente, Observer, vigiló la ejecución, pero no jugó.
Los investigadores podían seguir la partida en un panel en directo y pausarla o detenerla. Los autores afirman que no intervinieron en el juego.
La victoria llegó 27 horas y 14 minutos después del primer programa. Hasta ese momento, los agentes habían ejecutado 2.783 programas, intercambiado 229 mensajes y acumulado 605 muertes. El Ender Dragon causó 69 de ellas y el combate en el End duró casi 14 horas. El 22 % de los programas acabó con un error.
El servidor se reinició seis veces, con pausas que sumaron unos 20 minutos y que están incluidas en la duración total. Los autores registraron programas, resultados, mensajes y logs del servidor; en su relato, el registro del logro «Free the End» marcó la victoria.
Qué cubren las estimaciones de uso de API
Hasta la victoria, los cuatro agentes jugadores generaron unos 1.350 millones de tokens de entrada, el 91 % servidos desde la caché de contexto, y unos 16 millones de tokens de salida, incluidos 4 millones de tokens de razonamiento. El estudio cifra el uso en unas 24.000 llamadas al modelo.
A partir de contadores de tokens y precios de lista de la API, los autores estiman un coste de unos 520 dólares con tarifas introductorias o 1.040 dólares con tarifas estándar para los cuatro agentes hasta la victoria. Para la sesión completa, incluidos Observer y la actividad posterior al triunfo, calculan unos 810 o 1.620 dólares, respectivamente. Son estimaciones de precios de lista, no una factura ni el coste de servicio de Google.
Qué permite concluir una partida
Los autores describen una sola ejecución, la primera que pusieron en marcha. El resultado muestra que los agentes completaron esa partida con esas condiciones, pero no permite calcular una tasa de éxito en intentos repetidos. Tampoco equivale a jugar con percepción visual humana: los agentes controlaron el mundo mediante código y datos estructurados.
