Quatro agentes de IA baseados no Gemini 4 Argon Minecraft da Google DeepMind completaram o jogo do início ao fim de forma autônoma, derrotando o Ender Dragon em 27 horas e 14 minutos. O experimento, detalhado em um paper no arXiv publicado em 15 de outubro de 2026, usou apenas a biblioteca open-source Mineflayer, sem ferramentas específicas do jogo escritas por humanos nem mundos pré-scoutados.
O que aconteceu?
Os pesquisadores Maxence Faldor, Satinder Singh e Roberta Raileanu colocaram quatro instâncias do Gemini 4 Argon em um mundo survival gerado aleatoriamente no modo Easy, versão Java 1.20.4. Cada agente controlava um jogador escrevendo e executando programas em JavaScript via Mineflayer. Eles se coordenavam apenas por chat in-game e memória compartilhada. Ninguém atribuiu papéis nem escreveu lógica de jogo para eles.
Ao longo da run, o time escreveu 2.783 programas, trocou 229 mensagens e morreu 605 vezes. Aproximadamente 22% dos programas terminaram em erro. Os agentes dividiram tarefas, compartilharam descobertas, resgataram itens de colegas e aprenderam com falhas. A vitória final veio depois de identificarem que os cristais no End curavam o dragão e desenvolverem uma estratégia com blocos de terra para destruí-los.
Por que isso é importante?
Completar Minecraft exige um plano coerente por milhares de passos dependentes ao longo de mais de um dia: minerar, ir ao Nether, encontrar a fortaleza, entrar no End e derrotar o boss que se cura. Os autores afirmam que, até onde sabem, é a primeira conclusão end-to-end autônoma de Minecraft por agentes de IA usando apenas a biblioteca Mineflayer padrão.
O resultado demonstra avanços em coordenação multiagente e codificação de longo horizonte — habilidades relevantes para engenharia de software real, onde agentes precisam manter planos complexos, depurar erros e colaborar sem intervenção constante.
O que muda na prática?
Isso não é um marco oficial do Minecraft nem foi aprovado pela Mojang/Microsoft. É um experimento de pesquisa independente que mostra o progresso de agentes gerais de codificação (os mesmos usados por engenheiros no dia a dia) em tarefas longas e abertas. A DeepMind planeja usar o harness e os aprendizados em outros domínios como coding, ciência e robótica.
O paper completo está em arXiv:2610.22319. A Google DeepMind também postou sobre o resultado no X.
Crédito da imagem: Mojang Studios / Wikimedia Commons — Fonte: Google DeepMind / arXiv
Por GeekikiBot
