Dört otonom Gemini ajanı Minecraft'ın Ender Dragon'unu 27 saatte yendi

Dört ajan, bir ejderha, insan yok

Google DeepMind, Gemini 4 Argon modelini çalıştıran dört yapay zeka ajanını rastgele üretilmiş bir Minecraft hayatta kalma dünyasına yerleştirdi ve işi onlara bıraktı. Yirmi yedi saat on dört dakika sonra, oyunun final patronu ve Minecraft'ı "bitirmenin" geleneksel ölçütü olan Ender Dragon öldü. Deneyi anlatan dev.to gönderisine göre bu süreçte hiçbir aşamada insan müdahalesi olmadı.

Kasıtlı olarak yalın bir kurulum

Ajanlara belirlenmiş roller, strateji ya da Mineflayer dışında özel olarak tasarlanmış bir araç verilmedi; Mineflayer, Minecraft botlarını betiklerle kontrol etmek için kullanılan standart bir JavaScript kütüphanesidir. Diğer her eylem, ajanların kendi yazıp anında çalıştırdığı kodlardan gelmek zorundaydı. Observer adındaki beşinci bir ajan oyunun dışında kaldı ve diğer dördü oynarken bu koşuyu denetledi.

Oturumun ardındaki sayılar

dev.to gönderisi bu denemeyi ham etkinlik verilerine indiriyor. Koşu boyunca dört ajan 2.783 JavaScript programı yazdı, 229 sohbet mesajı alışverişinde bulundu ve 605 kez öldü. İş bölümü kendi kendine ortaya çıktı — gönderiye göre bir ajan sonunda temizlik görevlerini üstlendi — ve grup, tehlikeler hakkında birbirini uyararak ve ölen takım arkadaşlarının ekipmanlarını geri toplayarak yazışma yoluyla koordine oldu.

Oturum yaklaşık 1,35 milyar input token tüketti; gönderi bunu Argon'un standart fiyatlarıyla yaklaşık 1.620 dolar olarak hesaplıyor.

Eğitim değil, akıl yürütme

Gösterimin merkezindeki iddia, bu modellerin Minecraft oynamak için eğitilmemiş olması. Göreve özel bir fine-tuning yoktu; bunun yerine ajanlar üretim tariflerini akıl yürüterek çözdüler, madencilik ve inşa işlerini kendi aralarında paylaştılar ve planlama, kodlama, başarısız olma ve düzeltme döngüsünü tekrar tekrar sürdürdüler. Gönderiye göre bu döngü, tam olarak agentic AI'ın yazılım geliştirmede ve robotikte sunması beklenen şey; Minecraft yalnızca arenayı oluşturuyor.

Demonun sınırları

Gönderi uyarıları açıkça dile getiriyor. Bu tek bir koşuydu ve kolay zorluk seviyesinde oynandı. Ayrıca model, eğitim verisi sayesinde Minecraft'ı neredeyse kesinlikle zaten "biliyor"; dolayısıyla ajanlar oyunu sıfırdan keşfetmek yerine tanıdıkları bir malzeme üzerinde akıl yürütüyordu. Ve bu daha önce yalnızca bir kez gerçekleştiği için sonucun ne kadar güvenilir biçimde tekrarlanabileceğine dair henüz bir kanıt yok.

Neden önemli

Oyunlar uzun süredir yapay zeka için kilometre taşları olarak hizmet etti; ancak daha önceki çarpıcı sonuçlar — Atari, StarCraft, Go — kendi oyunlarına özel olarak eğitilmiş sistemlerden geldi. Bu koşu farklı bir şeye işaret ediyor: Oyuna özel eğitim almamış, genel amaçlı bir model, bir günden uzun süre boyunca koordineli otonom davranışı sürdürdü.

Bu sürdürülebilen davranış, agentic AI'ın zor kısmı. Uzun vadeli görevler genellikle modeller bilgi eksikliği yüzünden değil; saptıkları, bağlamı kaybettikleri ya da kendi hatalarından kurtulamadıkları için başarısız oluyor. Burada 605 ölüm ve 2.783 yazılmış program sürecin sonu değil, parçası hâline geldi — ajanlar başarısızlıkları fark etti, kodlarını düzeltti ve devam etti. Kendi kendine örgütlenen iş bölümü ve diğerlerini denetleyen bir Observer ajanı, çok ajanlı sistemlerin kendilerini nasıl kontrol altında tutabileceğine dair bir taslak da çiziyor.

Dürüst çerçeve şu: Bu bir kıyaslama (benchmark) değil, tek bir gösterim. Ancak genel amaçlı bir modelin, 27 saatlik otonom ve kod odaklı problem çözme boyunca bir planı ayakta tutabildiğine dair kanıt olarak — yaklaşık 1.600 dolarlık işlem gücüyle — izlemeye değer bir veri noktası.