Investigadores de Google DeepMind han demostrado que cuatro agentes de IA Gemini 4 Argon pueden completar Minecraft de forma autónoma, derrotando al jefe final del juego tras más de 27 horas de colaboración continua.

Según un artículo de investigación publicado el jueves, los agentes escribieron y ejecutaron 2.783 programas en JavaScript, intercambiaron 229 mensajes y murieron 605 veces antes de derrotar al Ender Dragon.

La partida se desarrolló en un mundo de supervivencia de Minecraft generado aleatoriamente en dificultad Fácil, una configuración que reduce el daño que las criaturas hostiles del juego infligen. Los investigadores dieron a los agentes un único objetivo y no asignaron roles, desarrollaron estrategias de juego ni intervinieron en ningún momento durante el intento. DeepMind describió el resultado como la primera finalización autónoma conocida de Minecraft de principio a fin utilizando agentes de IA de propósito general, sin herramientas de juego personalizadas ni configuraciones de mundo predeterminadas.

Los agentes se coordinaron y crearon sus propias estrategias

Cada agente controló un personaje de Minecraft mediante Mineflayer, una biblioteca de JavaScript de código abierto que permite a los programas interactuar con el juego. En lugar de presionar teclas o interpretar el juego visualmente, los agentes escribieron código para navegar por el mundo, recolectar recursos, fabricar equipo y combatir enemigos.

Una división del trabajo surgió dentro de los primeros diez minutos. Un agente recolectaba suministros, otro se enfocaba en herramientas y exploración, y los demás se preparaban para los entornos más peligrosos del juego. Los agentes también mantuvieron una memoria compartida, registrando ubicaciones, estrategias y lecciones de fallos anteriores. A lo largo de la partida, desarrollaron 42 funciones auxiliares reutilizables para automatizar el movimiento, la recolección de recursos y la supervivencia.

Un agente calculó la ubicación de una fortaleza oculta rastreando el movimiento de dos Ojos de Ender —objetos del juego cuyas trayectorias de vuelo apuntan hacia la fortaleza— y determinando dónde se cruzaban sus rutas, una estimación que quedó a 43 metros de la sala del portal real.

El equipo enfrentó dificultades significativas tras entrar en el End, donde el dragón mató repetidamente a sus miembros. El avance llegó cuando los agentes identificaron los diez cristales que restauraban continuamente la salud del dragón. Idearon una estrategia usando bloques de tierra apilados para alcanzar y destruir los cristales antes de derrotar finalmente al jefe.

La partida completa tomó 27 horas y 14 minutos, incluyendo seis reinicios del servidor.

Una prueba de coordinación autónoma a largo plazo

El experimento llega en medio de un impulso más amplio en la industria de la IA hacia los agentes —sistemas que planifican y ejecutan tareas de múltiples pasos con supervisión humana limitada—, donde sostener un rendimiento confiable durante largos períodos de trabajo dependiente sigue siendo un desafío central.

Más allá de completar el juego, el experimento probó si los sistemas de IA de propósito general podían coordinarse a lo largo de miles de tareas dependientes sin guía humana continua. Los cuatro agentes generaron colectivamente aproximadamente 63.313 líneas de JavaScript y mantuvieron una estrategia compartida durante más de un día de actividad.

Según los investigadores, los agentes procesaron alrededor de 1.350 millones de tokens de entrada —las unidades de texto y código que un modelo lee— y generaron 16 millones de tokens de salida a lo largo de unas 24.000 llamadas al modelo. Con la tarifa introductoria de la API de Gemini4 Argon, completar el juego costó unos 520 dólares; con la tarifa estándar, la cifra asciende a 1.040 dólares. Como los modelos se facturan por volumen de tokens, los costos escalan directamente con la duración y complejidad de la ejecución de un agente.

Los investigadores argumentaron que el resultado demuestra capacidades relevantes para la ingeniería de software compleja y los flujos de trabajo empresariales, donde los sistemas de IA deben planificar, coordinarse y recuperarse de fallos durante períodos prolongados. No obstante, la partida se realizó en un entorno de juego controlado, con acceso programático a la información del juego en lugar de interacción visual. Los investigadores también reconocieron que el experimento no establece si tales capacidades se transferirían directamente a entornos del mundo real, donde las tareas pueden ser menos predecibles y los errores más costosos.

Esa advertencia marca qué observar a continuación: si trabajos posteriores pueden demostrar que este tipo de coordinación extendida y sin supervisión se mantiene fuera de un motor de juego, donde las acciones son más difíciles de revertir y los errores tienen consecuencias reales.

Aun así, los hallazgos apuntan a avances en sistemas de IA capaces de mantener objetivos, construir herramientas y colaborar de forma autónoma a lo largo de extensas secuencias de acciones.