Agentes Gemini de DeepMind vencen Minecraft sin humanos
Publicado el · Actualizado el
Cuatro agentes Gemini 4 Argon de DeepMind terminaron Minecraft sin ayuda humana: dragón caído en 27h14, 2.783 programas y 605 muertes documentadas.
Cuatro agentes de IA de Google DeepMind terminaron Minecraft sin ninguna ayuda humana: el equipo, movido por el modelo Gemini 4 Argon, derrotó al Ender Dragon en 27 horas y 14 minutos, escribiendo 2.783 programas, intercambiando 229 mensajes y muriendo 605 veces por el camino. El resultado está en el paper publicado en arXiv el 15 de octubre por los investigadores Maxence Faldor, Satinder Singh y Roberta Raileanu, y repercutió en medios como Inven Global y TNW.
"El objetivo es derrotar al Ender Dragon, partiendo del spawn del mundo survival compartido de la sesión. [...] Este es el único criterio. Cualquier medio de lograrlo dentro de las reglas del modo survival está permitido, y los jugadores deciden cómo repartirse el trabajo."
Instrucción recibida por los agentes, según el paper (traducción libre).
Programas, no teclado
Ninguno tocó un teclado en el sentido clásico: cada agente controlaba a un jugador a través de Mineflayer, la biblioteca de código abierto para bots de Minecraft, y actuaba escribiendo y ejecutando pequeños programas en JavaScript — algo como "camina hasta estas coordenadas y mina todo el hierro en un radio de 16 bloques" — y leyendo lo que volvía en texto: posición, vida, inventario, hallazgos o el error que golpeó. Después escribió el siguiente. El programa mediano duró 33,5 segundos, y cada jugador tenía un programa corriendo cerca del 40% del tiempo; el resto fue lectura, razonamiento y redacción. Las reglas de la sesión, según el paper: Minecraft Java Edition 1.20.4, modo survival en dificultad Easy, mundo generado aleatoriamente, comandos de cheat desactivados y cero intervención humana durante la carrera.
Y no hubo nada por encima de lo básico: sin instrucciones de juego, sin currículo, sin biblioteca de habilidades, sin herramientas hechas por humanos, sin ruta precomputada. Los cinco agentes — cuatro jugadores y un Observador que nunca juega — corrían el mismo agente de programación de propósito general, cada uno en su propia máquina en la nube, con su propio workspace y shell.
27 horas en 13 pasos
El paper reconstruye la carrera, del primer pico al último golpe, en 13 hitos dependientes — los principales, en la tabla. La coherencia de corto plazo es impresionante; la de largo plazo es lo que hace que la prueba valga el paper:
| Hito | Tiempo desde el 1er programa |
|---|---|
| Herramientas de piedra | 6 minutos |
| Herramientas de hierro | 14 minutos |
| Portal al Nether | 1h42 |
| Fortaleza del Nether | 2h57 |
| Perlas de Ender | 3h06 |
| Blaze rods | 4h17 |
| Eyes of Ender completos | 10h43 |
| Entrada al The End | 13h33 |
| Dragón derrotado | 27h14 |
Diez minutos después del primer programa, el agente janesick propuso una división del trabajo en el chat; en menos de un minuto auratian respondió con otro plan, y gyldenia selló con un "Copy that!". Los roles se acomodaron rápido: gyldenia salió por comida, camas y pedernal; bulicame bajó por diamantes; janesick fundió hierro y produjo herramientas; auratian preparó el portal. En dos horas tenían todo: hierro, diamantes y un portal — en parte porque auratian encontró 55 bloques de lava dentro de una aldea, janesick colocó el bloque final de obsidiana y auratian encendió el portal dos segundos después.
El tramo más tenso llegó con la triangulación: a las 10 horas y 45 minutos de la carrera, janesick escribió un programa que lanzaba un Eye of Ender, muestreaba su trayectoria de vuelo e intersecaba los rayos para ubicar la stronghold subterránea — los ojos viajaron 1,3 km. En el regreso, auratian se ahogó a 8 metros de bulicame llevando los doce ojos. janesick y auratian enviaron el punto exacto y el minuto en que los ojos desaparecerían; bulicame recogió los doce con dos minutos y medio de margen. A las 13h17, portal del End encendido.
El dragón, que se llevó casi 14 horas
El End fue donde todo se trabó: el tramo más lento de todos, con el dragón matando a los cuatro 69 veces. Entre intentos, el grupo anotó reglas — nunca esperar en la plataforma de llegada, acercarse solo cuando él estuviera posado, y salir del End para resetearlo cuando se trabara — y hasta saltó al vacío a propósito a las 17 horas y media, los cuatro en menos de seis minutos, para que el End vacío se descargara y el dragón atascado volviera a la normalidad. A las 21 horas, el avance: auratian notó que los diez cristales sobre los pilares de obsidiana restauraban continuamente la vida del dragón, y descifró que no hacía falta pico para alcanzarlos: apilar tierra junto al pilar, socar el cristal, cavar de regreso con la mano. En cuatro horas y cuarenta minutos, los diez cristales cayeron — 39 minutos después, el dragón murió, con bulicame a 2,5 de sus 20 puntos de vida.
Coordinación que nadie les enseñó
La parte más relevante del paper tiene poco que ver con el juego: las prácticas surgieron solas. Los cuatro se especializaron: gyldenia destruyó seis de los diez cristales; janesick hizo el trabajo de herramientas, encontró la fortaleza y trianguló la stronghold; auratian armó el portal e inventó la ruta de los cristales; bulicame ayudó a construir los refugios de enderman y aplicó el golpe final. El reparto final de los 2.783 programas: 727 de gyldenia, 735 de auratian, 675 de bulicame y 646 de janesick.
Los agentes también mantenían memoria compartida — coordenadas de cofres, portales y peligros — y construyeron herramientas propias: 146 estados y pedazos de código vivos entre programas, incluidas 42 funciones auxiliares, como un bucle que mantiene al bot a flote en el agua y un contador que detiene el código restante de un programa que se pasa del tiempo (referenciado en 1.519 programas). Un aviso de gyldenia sobre una peculiaridad de Mineflayer, 19 minutos tras el inicio, generó una función de corrección que reaparece en 655 programas de los cuatro. Y hubo vigilancia mutua: cuando el programa de auratian anunció un éxito que no había pasado, la propia auratian lo corrigió dos minutos más tarde ("mi mensaje anterior era de una rama de script desprotegida"); cuando janesick reportó doce blaze powder un segundo después de morir quemado, gyldenia señaló la contradicción en tres minutos.
Árbitro, costo y comparaciones
Como quinta instancia, el Observador no jugó: era un testigo independiente, con mandato para denunciar "specification gaming" (explotar fallas de la evaluación) y resultados fabricados. Ningún flag se activó, y la revisión manual de muestras de los logs tampoco encontró nada; los programas solo podían controlar al propio personaje — ningún comando de servidor fue usado. La victoria está en el log: "bulicame has made the advancement [Free the End]", 27 horas y 14 minutos después del primer programa — el equivalente, en el reloj del juego, a cerca de 81 días in-game. El servidor se reinició seis veces, pausando el mundo por unos 20 minutos en total.
El dinero también entró en la cuenta: hasta la victoria, los cuatro procesaron cerca de 1,35 mil millones de tokens de entrada (91% servidos por la caché de contexto) y generaron unos 16 millones de salida, incluidos 4 millones de "thinking", en aproximadamente 24.000 llamadas al modelo. Por la tabla de precios pública introductoria del Gemini 4 Argon, da unos 520 dólares (1.040 al precio estándar); la sesión completa, con Observador y un día de actividad tras la victoria, subió a unos 810 dólares (1.620). Para dar escala: la mediana de HowLongToBeat para la historia principal de Minecraft es de 45 horas por jugador humano, y los speedruns con seed aleatoria se mantienen bajo los siete minutos — los agentes calibraron la regla en el medio: 27 horas, en equipo de cuatro, jugando con código.
Lo que la gesta muestra — y lo que no
Minecraft es un banco de pruebas antiguo para agentes: MineRL, el VPT de OpenAI y DreamerV3 ya habían recolectado diamantes con aprendizaje por refuerzo; MineDojo listó derrotar al Ender Dragon como "moonshot"; SIMA 2 actúa por píxeles en varios juegos 3D. Más recientemente, dos proyectos comunitarios declararon derrotas de extremo a extremo: un agente Claude Opus 5 que llamaba 37 herramientas de alto nivel en Normal, y un planner pareado a un modelo de acción en una seed fija de speedrun en Peaceful. La diferencia del logro de DeepMind está en lo que se le dio al agente: Mineflayer estándar, un párrafo de objetivo, y nada más.
Las limitaciones vienen admitidas en el propio paper: la percepción es vía código — Mineflayer entrega exactamente los bloques y criaturas alrededor, incluso detrás de piedra, y el estado interno del dragón, cosa que un humano no ve; la dificultad es Easy (el hambre no mata); y el Gemini 4 Argon conoce Minecraft y Mineflayer de su entrenamiento — la carrera prueba si un agente de programación de propósito general convierte ese conocimiento en programas que funcionan y cooperación de más de un día, no si aprende un juego desde cero. El 22% de los programas terminó en error, y el resultado sale de una única carrera, la primera tentativa del equipo. Aun así, la lectura de los autores es directa: las habilidades que resolvieron Minecraft — coordinar un equipo, recuperarse de fallos, perseguir un objetivo por más de un día — son las mismas que los agentes necesitan para trabajar de manera confiable junto a humanos. Mientras tanto, Minecraft sigue rindiendo en O Santuário Geek: mira la guía definitiva del juego en 2026 y la guía de supervivencia para principiantes. El paper completo, con los logs y las figuras, está en arXiv.
Artículos sugeridos y relacionados
Trend de los años 80 en ChatGPT domina Instagram: cómo transformar tus fotos con IA y lograr un look retro perfecto
Unity lanza plugin oficial para Claude Code: IA más integrada, menos errores y ahorro de tokens
Minecraft x Dragon Ball Z: la actualización 1.1 Legends suma Vegito
Estudio: 94% de los estudios de juegos ya usa IA
