Google DeepMind 研究團隊發表咗一項實驗：4 個基於 Gemini 4 Argon 模型嘅 AI 代理（AI Agents，即能自主規劃、呼叫工具執行多步驟任務嘅 AI），喺冇人即時介入嘅情況下喺《Minecraft》（沙盒生存遊戲）擊敗最終 Boss「終界龍」。團隊稱呢係史上首次 AI 喺「無預先探圖、無人工撰寫專屬工具」條件下達成端到端自主通關。
個實驗點做
測試持續 27 小時 14 分鐘，4 個代理被放入一個隨機生成嘅生存世界，難度設為簡單（Easy）並關閉作弊指令。同人類用螢幕同搖桿唔同，呢班代理靠開源 Mineflayer 函式庫（一個提供 Minecraft 遊戲程式介面嘅 JavaScript 庫）執行任務，全程累積寫下 2,783 支 JavaScript 代碼，例如行到特定座標開採鐵礦。
算力成本總共約 520 美元（以 token 計算）。研究人員只喺即時儀錶板觀察，冇任何干涉或除錯。
所謂「自然湧現行為」
實驗中最受矚目嘅部分，係研究團隊冇事先分配角色、冇寫好策略，只俾遊戲內聊天加共享記憶系統俾佢哋溝通。
喺交換咗 229 則訊息之後，4 個代理自行演化出類似人類團隊嘅分工：
- 負責製作工具、尋找要塞
- 負責蒐集食物同關鍵資源
- 負責點燃地獄傳送門
- 負責建造防禦結構、對終界龍完成最後一擊
除咗分工，佢哋仲會互相提醒威脅、分享座標、傳授遊戲技巧，甚至隊友陣亡後主動過幫佢哋回收掉嘅裝備。
條路唔算順
通關唔代表一路順風。數據顯示，喺超過一日嘅時間內，4 個代理累計死亡 605 次，其中 69 次死喺終界龍手入面。團隊寫嘅代碼中有 22% 執行失敗產生錯誤，要揾近 14 個鐘先摸出打終界龍嘅方法。
同現實企業有關緊？
研究人員強調，實驗嘅核心價值唔止「玩遊戲」。喺遊戲中展現出嘅長時間任務規劃、複雜問題拆解、時間效益最大化，同透過溝通解決挫折嘅能力，係處理大型企業軟體工程同長期項目嘅核心技能。團隊話挑戰「證明咗通用型 AI 代理處理龐大編碼任務嘅實力，亦預示咗未來 AI 喺職場自動化同多重代理協作上嘅無限可能」。
阿調搞兩下
第一，呢實驗有硬限制：簡單難度、隨機生成嘅世界、無預設地圖、無專屬工具。呢個係「AI 喺一個已知遊戲規則嘅沙盒內」做乜嘢嘅問題，唔係「AI 喺完全陌生嘅真實環境」做乜嘢。兩者唔同。
第二，27 小時入面 14 個鐘係喺對住終界龍撞牆。605 次死亡、22% 代碼失敗率——呢班代理唔係「聰明咗」，佢哋係「耐」。如果換個更複雜、規則唔透明嘅環境，呢個成功率同時間成本會點？冇人答到。
第三，520 美元算力成本打一個 Minecraft 生存關卡。呢個成本效率對企業「AI 自動化」嘅意義係：當任務變複雜十倍、環境變未知十倍，呢條數要乘幾多？研究方冇講。
多代理協作嘅 emergent behavior（自然湧現行為，即冇被明確設計但喺系統中自主產生嘅行為模式）確實係研究重點，但呢個實驗嘅結論有邊界：呢邊界就係「Minecraft、簡單難度、冇人幫手」。跳過條線，一切要重算。
