Quattro agenti basati su Gemini 4 Argon hanno sconfitto l’Ender Dragon in una partita di Minecraft Java Edition 1.20.4, riferiscono i ricercatori di Google DeepMind. La partita si è svolta in modalità Sopravvivenza, a difficoltà Facile, ed è durata 27 ore e 14 minuti dal primo programma alla vittoria. Gli agenti controllavano il gioco scrivendo codice e leggendo dati strutturati, non attraverso pixel, tastiera o mouse.

Come gli agenti controllavano Minecraft

Maxence Faldor, Satinder Singh e Roberta Raileanu descrivono quattro agenti giocatori che scrivevano programmi in JavaScript eseguiti tramite Mineflayer, una libreria per creare bot di Minecraft, e il relativo plugin di pathfinding, che aiuta a calcolare i percorsi. A ogni passaggio gli agenti ricevevano informazioni testuali sullo stato del gioco.

Quei dati andavano oltre ciò che un giocatore vede sullo schermo: comprendevano elementi dell’ambiente nascosti dietro la roccia e informazioni sullo stato interno del drago. Il risultato riguarda quindi un gioco controllato via codice con accesso strutturato al mondo, non una partita affrontata con la percezione visiva di una persona.

I quattro agenti si coordinavano tramite la chat di gioco e una memoria persistente condivisa; i ruoli si sono definiti durante la partita, senza essere assegnati in anticipo. Un quinto agente, chiamato Observer, seguiva la sessione e riferiva sul suo andamento, ma non controllava un personaggio.

Una vittoria con molti errori e interruzioni

Fino alla sconfitta del drago, gli agenti avevano eseguito 2.783 programmi, scambiato 229 messaggi in chat e accumulato 605 morti. Il 22% dei programmi terminava con un errore; il drago ha ucciso gli agenti 69 volte. Sei riavvii del server hanno interrotto la partita per circa 20 minuti complessivi.

I ricercatori potevano seguire la sessione su una dashboard e mettere in pausa o fermare la partita. Gli autori riferiscono di non essere intervenuti. Dicono inoltre di aver registrato programmi, output, messaggi e log del server: nel registro, l’avanzamento «Free the End» segnava la vittoria.

Quanto costò l’uso dell’API, secondo le stime

Gli autori stimano che l’uso dell’API da parte dei quattro agenti giocatori fino alla vittoria valesse circa 520 dollari ai prezzi introduttivi di listino, oppure 1.040 dollari a quelli standard. Per l’intera sessione, includendo l’Observer e l’attività successiva alla vittoria, la stima sale rispettivamente a circa 810 e 1.620 dollari.

I calcoli si basano sui contatori dei token e sui prezzi di listino. Per i quattro agenti giocatori fino alla vittoria, il conteggio riportato è di circa 1,35 miliardi di token in ingresso, il 91% servito dalla cache del contesto, e 16 milioni in uscita, inclusi circa 4 milioni di token di ragionamento. Gli autori indicano inoltre circa 24.000 chiamate al modello.

Che cosa dice una singola partita

Gli autori descrivono una sola esecuzione, la prima avviata. Il risultato documenta che quei quattro agenti hanno completato quella partita, ma non fornisce un tasso di successo su prove ripetute. La difficoltà Facile e l’accesso ai dati del mondo tramite codice definiscono le condizioni in cui è stata ottenuta la vittoria.