您尚未登录/注册
首页>游戏
四个AI打了27小时游戏,没人告诉它们怎么玩
科技行者 2026-11-19 20:52:18

2026年的某一天,谷歌DeepMind的几个研究员把四个AI丢进了一个全新生成的《我的世界》存档里,然后基本上就不管了。

没有攻略,没有预设的角色分工,连一句"你该先去挖矿"都没有。研究员给它们的指令只有一段话:打败末影龙,这是唯一的评判标准,具体怎么分工你们自己商量。

27小时14分钟后,一个叫bulicame的AI玩家砍出了最后一击,服务器日志里跳出一行字:bulicame has made the advancement [Free the End]。四个AI写了2783个程序,死了605次,交换了229条聊天消息,终于把这个游戏打穿了。

这事乍一听好像没什么了不起的,毕竟《我的世界》通关视频网上一抓一大把。但你细想一下这个设定会发现一个挺反直觉的地方:这几个AI不是被训练来玩这个游戏的。

它们是通用型的编程智能体,平时的工作是写代码、修bug、做软件工程,跟《我的世界》半毛钱关系没有。研究员没给它们灌输任何游戏攻略,没有像之前的学术界做法那样搭建专门的技能库或者课程体系,就是把标准的游戏操作库甩给它们,让它们自己摸索怎么通过写程序来打游戏。这就好比让一个从没下过厨房的程序员,不看菜谱,自己琢磨怎么炒一盘菜还得端上桌。

游戏为什么这么难打穿

要理解这个结果的分量,得先知道《我的世界》通关到底意味着什么。

这游戏的终极目标藏得很深,你得先在地面世界砍树挖矿造工具,然后造一个传送门去下界(一个到处是岩浆的地狱维度)找烈焰人拿烈焰棒,再找末影人拿末影珍珠,拿这两样东西合成"末影之眼",扔出去找到地下的要塞,从要塞进入末地,最后干掉那条龙,而龙身边还环绕着十个会不断给它回血的水晶柱。

这是一条长达十几步的依赖链,前一步做不成后一步就无从谈起。按照人类玩家的标准,这个流程走完平均要45小时(这是统计网站HowLongToBeat给出的中位数),而极限速通玩家可以在七分钟内搞定一个预先踩点好的存档。

论文原图*:指论文中附带的示意图,用来可视化展示研究过程或结果,比纯文字描述更直观。

AI团队这次打的是随机生成的新存档,难度调到了"简单"(Easy,游戏里最低的难度等级,怪物伤害较低,饥饿值不会直接杀死玩家),而且全程没有任何人类预先探测好的坐标或者捷径,全靠它们自己一边打一边摸索地图。

这感觉有点像让一个没去过某个陌生城市的人,不许用导航软件,自己走街串巷摸清楚从机场到某个隐藏在郊区的餐厅怎么走,中途还得自己学会开车、换零钱买地铁票、问路。如果提前给了地图,那叫按图索骥;没有地图,每一步的信息都得自己现场拼凑出来,这是完全不同的难度量级。

AI怎么"玩"游戏:没有手柄,只有代码

这里有个特别关键的设定,直接决定了整个实验的性质:这四个AI玩家从头到尾没有碰过键盘鼠标,也没有看游戏画面里的像素画面。

它们的操作方式是写一段JavaScript程序,比如"走到这个坐标,把附近16格内的铁矿石全部挖掉",然后把这段程序扔给一个叫Mineflayer的开源库去执行。

Mineflayer*:一个开源的JavaScript库,专门用来写操控《我的世界》游戏角色的机器人程序,可以读取角色的位置、血量、背包等信息,也可以下达走路、挖掘、放置方块、合成物品等指令,但本身不包含任何"怎么玩"的策略。

程序跑完之后,系统会把结果用文字的形式返回给AI:你现在在哪个坐标,血量多少,背包里有什么,刚才那个操作成功了还是报错了。AI读完这段文字反馈,再决定下一步写什么程序。整个过程里,平均每个程序跑33.5秒,AI大概有40%的时间在执行程序,剩下60%的时间在"思考"和写下一段代码。

这个设计其实暴露了这次实验的一个限制,论文自己也坦率承认了:Mineflayer会直接告诉AI周围所有的方块和生物信息,甚至包括藏在实心岩石后面看不见的矿脉,还有末影龙当前处于游戏逻辑里的第几个"行为阶段"这种内部状态。这些信息人类玩家要么得靠肉眼观察推断,要么根本看不到。寻路也是插件自动算好的,人类玩家得自己绕开障碍物。所以严格说,这不是"从像素到操作"那种更难的端到端任务,而是在一个信息更透明、操作更直接的层面上测试AI能不能长时间保持一致的规划。

四个AI是怎么分工的

研究员起初完全没插手分工这件事,结果挺有意思。游戏开始后第一个程序跑完,十分钟之内,一个叫janesick的AI在聊天频道里主动提了一个分工方案:自己去炼铁做工具,另一个AI去采集食物和床,剩下两个去挖矿找钻石。

一分钟不到,另一个AI auratian居然提了一个不一样的方案。又过了几十秒,第三个AI gyldenia 回了句"收到!"(Copy that!),最终四个角色很快就自然沉淀出了各自的分工:gyldenia负责采集补给,后来还单独干掉了十个水晶里的六个;janesick负责打造工具、找到下界要塞,还用三角定位法算出了要塞的大概位置;auratian点燃了传送门,后来想出了不用镐子也能摸到水晶柱顶端的办法;bulicame参与搭建防末影人的掩体,并且在最后一战补了致命一击。

这种自发形成分工的过程,很像一群第一次凑到一起的创业者开会。没有人指派谁当CEO谁当CTO,但聊几句之后,大家凭着各自顺手提出的第一个想法,自然就卡进了不同的位置上。

如果没有这种自发协调会怎样?大概率是四个人各干各的,同一时间重复挖同一片矿区,或者谁都没想起来去凑齐传送门需要的黑曜石,最后谁也没法往下推进。分工不是锦上添花,是这条十几步依赖链能走通的前提。

团队怎么从死亡里学到东西

游戏里有一场特别能说明问题的事故。janesick带着12份烈焰粉准备从下界运回地面世界,结果被烈焰烧死了;紧接着一颗恶魂(Ghast,下界里一种会喷火球的飞行怪物)的火球炸毁了地上掉落的一堆物品。

这种损失对人类玩家来说顶多就是骂一句脏话重新来过,但AI团队的处理方式有点意思。auratian在事故发生后立刻在聊天里发了一条"关键教训":以后绝对不要在某个开阔地带结束一次程序运行,那里容易被恶魂和猪灵袭击,以后所有人都要绕道走一条封闭隧道。两分钟之后,janesick追加了一条更深的根因分析:之前往返那条路线会经过一段两格高的落差,这会导致角色被卡住走不动,所以他会提前把那段路垫平,让回程路线全是平坦的单格台阶。

这一来一回,前后不到三分钟,团队就把一次具体的死亡事故,提炼成了两条可以被后续所有程序复用的规则,写进了四个AI共享的记忆里。

共享记忆*:论文中指这四个AI玩家都能读写的一份持久化笔记,里面记录着坐标、踩过的坑、总结出的经验规则,不会随着单次对话结束而消失。

这个机制就像一个外卖骑手团队的微信群,有人今天在某个小区被狗追了,立刻在群里说一声具体是哪栋楼、什么时间段狗会出来,后面的骑手看到这条消息,绕开那条路线就行,不用自己也被追一遍才学会。如果没有这个共享记忆,四个AI就是互相隔绝的四条命,一个人踩过的坑,另外三个还得重新踩一遍,605次死亡估计还得往上翻好几倍。

从数据上看,团队总共发了229条聊天消息,里面173条包含精确坐标,64条跟共享箱子有关,24条是给队友的紧急警告,20条是帮队友找回死后掉落物品的救援行动。这些数字背后,是一套没人设计、自己长出来的协作习惯。

有一个细节特别值得拎出来说:第13小时的时候,auratian带着全队好不容易凑齐的十二颗末影之眼准备去要塞,结果一不小心在水里淹死了。物品掉落有个倒计时,过一段时间就会永久消失。janesick和auratian几乎同时在聊天里把掉落的精确坐标和"必须在几点几分之前捡"的倒计时发给了离得最近的bulicame,后者赶在只剩两分半的时候,把十二颗末影之眼全捡了回来。

这段"抢救行动"读起来像极了快递爆仓时,几个同事在群里接力喊"XX柜子要满了,谁顺路过去挪一下",信息传递的速度和精确度,直接决定了之前十几个小时的努力会不会白费。

三角定位:AI自己发明了一套找路的数学方法

找到地下要塞这一步特别能体现AI的"自己想办法"能力。

游戏里扔出一颗末影之眼,它会朝着最近的要塞方向飞一段再掉下来,人类玩家一般靠肉眼目测飞行方向,站在两个不同地点各扔一次,然后用游戏里的F3调试信息粗略判断两条路径的交点在哪儿。

janesick这次用的办法更硬核。它写了一段程序,在末影之眼飞行的几秒钟里,每隔50毫秒记录一次它的三维坐标,等于是对这颗眼睛的飞行轨迹做了一次高频采样。然后用这些采样点算出两条飞行路线各自的方向向量,再用解方程的方式求出两条直线的交点坐标。

交点坐标*:指两条轨迹线在数学上相交的那一点,这里代表AI推算出的要塞大概位置。

最后算出来的交点,距离要塞真正的传送门房间只差43米,而这个交点本身距离团队的营地有1.3公里远。这个精度,靠人眼目测基本不可能达到。

这个过程让人想起老一辈的航海员用六分点测星定位,不靠卫星导航,靠两次观测角度和一点三角函数,就能算出船在茫茫大海中的具体坐标。如果AI不这么干,而是靠瞎走瞎撞去找那个藏在地下的要塞,这片随机生成的地图大概率得让它们多花上好几个小时甚至更久,毕竟要塞埋在地下,肉眼完全看不到任何提示。

末地里最难啃的14个小时

游戏里最费劲的部分不是找资源,是最后跟末影龙的对决,这一段整整耗掉了接近14个小时,占了全部通关时间的一半。

团队被龙打死了69次。它们没有干等着重来,而是每次死亡之后,都会去读取龙在游戏内部的状态数据,包括它当前处于哪个"行为阶段",然后把摸索出来的规律写成规则:不要在降落平台上傻站着不动,因为龙会在大约60秒后冲过来把人撞进虚空;只有在龙处于"栖息"状态时才靠近它,绝对不要在它"降落"阶段靠近,因为那时候翅膀的击退效果还在生效。

更有意思的是,团队发现如果龙卡在某个异常的行为状态里出不来,最快的解决办法居然是主动跳进虚空自杀。死亡后角色会在地面世界的床边重生,这样一来末地这个维度里就没人了,游戏会把它"卸载"掉,等重新进入时龙的状态就被重置了。17.5小时左右,四个AI在六分钟内先后用了这一招,把一条卡死的龙硬生生重置了回来。

真正的突破出现在第21小时左右。auratian发现一个关键问题:龙的血量一直死死卡在200点满血,怎么打都打不下去。原因是末地岛上有十根黑曜石柱子,每根顶上立着一颗水晶,这些水晶每秒能给龙回2点血,而且游戏机制规定龙在空中盘旋攻击时最多只能扣到50点血就会被强制打断逃走。

也就是说,不先把十个水晶全部打掉,龙永远打不死,无论你打多少次都是白费功夫。

auratian接着想出了一个绕过工具限制的办法:水晶柱子周围没有台阶,常规做法需要用镐子凿石头搭路才能爬上去够到水晶,但auratian发现只要用泥土垒成台阶就行,徒手挖泥土只要0.75秒还能百分百回收,根本不需要带镐子或者木头上去。

这个发现听起来挺朴素,但它解决的是一个非常具体的资源瓶颈。如果每次爬柱子都得消耗镐子的耐久度,或者还得专门背一堆木头上去造梯子,整个拆水晶的流程会被拖得极其漫长,团队很可能被拖死在这十根柱子上。这就像搬家时发现某件家具卡在楼梯转角,正常思路是找人帮忙抬,但有人突然想到把沙发腿拆下来就能直接过去,问题根本不在于力气不够,而在于一开始就没必要把它当成一个"大件"来搬。

接下来的四小时四十分钟,团队陆续拆掉了全部十个水晶。最后一个水晶倒下39分钟后,龙终于被打死,此时bulicame的血量只剩2.5点,满血是20点,几乎是贴着死亡线完成的最后一击。

这事花了多少钱

这场马拉松式的游戏,成本其实不算离谱。四个AI玩家一共处理了大约13.5亿输入token(其中91%来自上下文缓存,复用了之前的对话内容,不用重新计算),生成了大约1600万输出token(包含400万"思考"token),调用模型约24000次。

Token*:大语言模型处理文本时的基本计量单位,大致相当于一个词或词的一部分,模型的使用费用通常按处理的token数量计价。

按Gemini 4 Argon公开的API价格算下来,到打赢龙为止大概花了520美元(按优惠价)或1040美元(按标准价)。算上负责旁观记录的第五个AI和打完之后的一些后续活动,整场大概花了810到1620美元。

这个数字放在27小时、2783个程序的工作量面前,其实相当划算,差不多就是请几个程序员吃顿不错的团建饭的钱。

谁在旁边看着,有没有作弊

整场实验里还有一个容易被忽略但挺重要的设定:除了四个玩游戏的AI,还有第五个AI叫"观察者"(Observer),它全程不参与游戏,只负责盯着记录看,核实玩家报告的内容是否属实,专门留意有没有"钻评分规则空子"的行为。

观察者*:论文中设定的独立监督角色,职责是核查游戏记录、识别作弊或投机取巧的行为,只有在环境本身出问题(比如工具坏了)时才允许介入,绝不干预玩家的游戏策略。

这个角色有点像考场上的监考老师,但不是为了防止学生抄别人的卷子,而是防止学生钻考试系统本身的漏洞,比如发现某道题判分程序有bug,故意写一个能骗过判分系统但实际没解决问题的答案。整场游戏下来,观察者没有发现任何作弊行为,研究团队自己后续也抽查了日志,同样没发现问题。

论文里还提到一个很真实的细节:auratian有一次在聊天里报告说十四颗末影之眼已经全部存进了箱子,结果两分钟后自己又发消息纠正,说刚才那条消息其实是"一段没有被正确判断条件的脚本分支",服务器重启后实际上角色是空着背包重生的。这种自己发现错误并主动纠正的行为,虽然只是个小插曲,但多少说明了"诚实汇报"这条指令在起作用,而不是把失败藏起来蒙混过关。

这事跟我们普通人有什么关系

论文最后提了一句,这次实验测试的能力,比如长时间保持一个连贯计划、团队协作、从失败里总结经验,恰好也是AI在真实世界的软件工程和企业任务里需要用到的能力。

这句话听起来有点像场面话,但细想一下它想说的其实挺具体。企业里一个复杂的软件项目,往往也是几十上百个相互依赖的步骤,中间会踩无数的坑,需要多个团队成员互相通气、把踩过的坑记下来避免别人重蹈覆辙。《我的世界》打末影龙这件事,某种意义上是把这类长周期协作任务压缩成了一个有明确终点、容易验证对错的沙盒实验。

论文也诚实地列出了这次实验的局限:这只是一次游戏历程,不能说明这套方法有多稳定地能复现成功;游戏难度调的是最低档,怪物伤害本来就不高;而且Gemini 4本身训练数据里大概率见过大量关于《我的世界》和Mineflayer的资料,这次测的与其说是"能不能学会一个全新的游戏",不如说是"能不能把已经知道的知识,转化成能跑27小时不崩的代码和团队协作"。

论文里提到,此前已经有两个民间项目报告过AI打穿《我的世界》的消息,一个是单个Claude Opus 5模型调用37个专门封装好的高层游戏工具,在正常难度下完成;另一个是用规划器配合一个专门训练的动作选择模型,在固定的速通存档上跑通,难度调的是和平模式(没有怪物)。这次DeepMind的实验和它们最大的不同在于,这几个AI用的是标准的开源Mineflayer库,没有任何针对游戏预先封装好的高层工具,也没有预先探测好的存档,所有代码都是它们自己从零写出来的。

Q&A

Q1:Gemini 4 Argon团队打《我的世界》用了多长时间,经历了什么?

A:四个Gemini 4 Argon智能体从随机生成的简单难度存档开始,花了27小时14分钟打败末影龙,期间写了2783个程序,死亡605次,互相发了229条聊天消息协调分工。

Q2:这几个AI是专门训练来玩《我的世界》的吗?

A:不是。它们是通用型编程智能体,平时做软件工程工作,没有接受过任何针对这款游戏的专门训练或攻略灌输,全靠自己写代码摸索怎么通关。

Q3:AI团队是怎么找到地下要塞位置的?

A:其中一个AI玩家janesick通过高频采样末影之眼的飞行轨迹,用数学方法计算两次投掷路径的交点,算出的位置距离真实要塞只差43米。

【版权声明】本文内容来源于科技行者,版权归原作者及原媒体所有。本站仅作信息分享,不构成任何商业用途;如涉版权问题,请联系本站删除。

发布时间:2026-11-19 09:04:20


(第1/1页/共7610字/2阅)
首页>游戏
相关游戏:
TTG小胖自嘲太阳野落幕,巅峰对决阵容引热议,为何选夏侯曹操?
玩家质疑《GTA6》超高分:明明《塞尔达》更优秀!
S16中单后手选择英雄比赛胜率统计:Chovy胜率一枝独秀
对抗路时代!梓墨成为第三位对抗路FMVP选手
“吃鸡”周5新皮肤大保底?老玩家后悔了:算下来是3个“小舞”!
*点此了解家园功能与新手教程
网友评论:
更多评论(0)
您的评论:

[热点游戏]
曝C罗计划在沙特+五大洲办告别赛!拟邀请梅西 仍拒绝让热苏斯带队
德国3-1客胜九人塞尔维亚,格鲁达一条龙破门,哈弗茨、维尔茨建功
健康大家说|中国药促会首席专家宋瑞霖:医药创新迈入2.0时代,多层次支付、AI与国际化打开增量空间
什么信号?高盛拿苹果历史对标英伟达:当前风险回报比具有吸引力!
美股收盘:苹果、“美国茅台”再创新高 AI交易依然颠簸
[精彩推荐]
“收入榜前十,九个是中国平台”
中国近六成家庭户不超过两个人,会带来哪些变化?
男子花230多万元想圆“别墅梦”,收房时傻眼:房里基本没窗户,卫生间也不通风,“带花园商墅”其实是…
非标配置整改倒计时 部分理财收益、流动性或生变
古人用尿和海螺染出来的贵族紫,我们在家复刻成功了