Onderzoekers van Google DeepMind hebben aangetoond dat vier Gemini 4 Argon AI-agents zelfstandig Minecraft kunnen uitspelen, waarbij ze de eindbaas van het spel verslaan na meer dan 27 uur continue samenwerking.

Volgens een donderdag gepubliceerd onderzoeksrapport schreven en voerden de agents 2.783 JavaScript-programma's uit, wisselden ze 229 berichten uit en stierven ze 605 keer voordat ze de Ender Dragon versloegen.

De run vond plaats in een willekeurig gegenereerde Minecraft-survivalwereld op de moeilijkheidsgraad Easy, een instelling die de schade vermindert die vijandige wezens in het spel toebrengen. De onderzoekers gaven de agents één doelstelling en wezen geen rollen toe, ontwikkelden geen spelstrategieën en grepen nergens in tijdens de poging. DeepMind omschreef het resultaat als de eerste bekende autonome voltooiing van Minecraft van begin tot eind met algemene AI-agents, zonder aangepaste speltools of vooraf bepaalde wereldconfiguraties.

Agents coordineerden en ontwikkelden hun eigen strategieën

Elke agent bestuurde een Minecraft-personage via Mineflayer, een open source JavaScript-bibliotheek waarmee programma's met het spel kunnen communiceren. In plaats van toetsen in te drukken of het spel visueel te interpreteren, schreven de agents code om door de wereld te navigeren, grondstoffen te verzamelen, uitrusting te vervaardigen en vijanden te bestrijden.

Binnen de eerste tien minuten ontstond er een taakverdeling. Eén agent verzamelde voorraden, een andere richtte zich op gereedschap en verkenning, en de anderen bereidden zich voor op de gevaarlijkere omgevingen van het spel. De agents onderhielden ook een gedeeld geheugen, waarin ze locaties, strategieën en lessen uit eerdere mislukkingen vastlegden. Gedurende de run ontwikkelden ze 42 herbruikbare hulpfuncties om beweging, grondstofverzameling en overleving te automatiseren.

Eén agent berekende de locatie van een verborgen stronghold door de beweging van twee Eyes of Ender te volgen — voorwerpen in het spel waarvan de vliegbanen richting de stronghold wijzen — en te bepalen waar hun banen elkaar kruisten de schatting zat binnen 43 meter van de werkelijke portalruimte.

Het team liep tegen aanzienlijke problemen aan na het betreden van de End, waar de draak herhaaldelijk leden doodde. De doorbraak kwam toen de agents de tien kristallen identificeerden die voortdurend de gezondheid van de draak herstelden. Ze bedachten een strategie met gestapelde aardblokken om de kristallen te bereiken en te vernietigen voordat ze uiteindelijk de baas versloegen.

De volledige run duurde 27 uur en 14 minuten, inclusief zes serverherstarts.

Een test van autonome coördinatie op de lange termijn

Het experiment valt samen met een bredere inspanning in de AI-industrie richting agents — systemen die meerstaps-taken plannen en uitvoeren met beperkt menselijk toezicht — waarbij het volhouden van betrouwbare prestaties over lange reeksen afhankelijk werk een centrale uitdaging blijft.

Naast het uitspelen van het spel testte het experiment of algemene AI-systemen konden coördineren over duizenden afhankelijke taken zonder continue menselijke begeleiding. De vier agents genereerden gezamenlijk circa 63.313 regels JavaScript en hielden meer dan een dag lang een gedeelde strategie aan.

Volgens de onderzoekers verwerkten de agents ongeveer 1,35 miljard invoertokens — de eenheden tekst en code die een model leest — en genereerden ze 16 miljoen uitvoertokens verspreid over circa 24.000 modelaanroepen. Tegen de invoerende API-prijzen van Gemini 4 Argon kostte het uitspelen van het spel ongeveer $520; tegen standaardprijzen loopt dat op tot $1.040. Omdat modellen worden gefactureerd op basis van tokenvolume, schalen de kosten direct mee met de lengte en complexiteit van een agentrun.

De onderzoekers stelden dat het resultaat capaciteiten aantoont die relevant zijn voor complexe softwareontwikkeling en bedrijfsprocessen, waar AI-systemen langdurig moeten plannen, coördineren en herstellen van fouten. De run vond desalniettemin plaats in een gecontroleerde spelomgeving, met programmatische toegang tot spelinformatie in plaats van visuele interactie. De onderzoekers erkenden ook dat het experiment niet aantoont of dergelijke capaciteiten direct overdraagbaar zijn naar de echte wereld, waar taken minder voorspelbaar kunnen zijn en fouten duurder uitpakken.

Die kanttekening schetst waar het nu op aan komt: of vervolgonderzoek kan aantonen dat dit soort langdurige, onbegeleide coördinatie standhoudt buiten een game-engine, waar acties moeilijker terug te draaien zijn en fouten echte gevolgen hebben.

De bevindingen wijzen desalniettemin op vooruitgang in AI-systemen die doelen kunnen vasthouden, tools kunnen bouwen en zelfstandig kunnen samenwerken over lange reeksen acties.