Cuatro agentes Gemini 4 derrotan al Ender Dragon tras 27 horas de coordinación

Cuatro agentes Gemini 4 Argon completaron el objetivo principal de Minecraft: derrotar al Ender Dragon. El equipo investigador describe una partida que duró 27 horas y 14 minutos, con 2.783 programas escritos por los agentes y 605 muertes. El resultado llama la atención por la coordinación sostenida; sus límites importan tanto como el dragón caído.

Cada agente controlaba un jugador en un mundo de supervivencia generado al azar y se comunicaba con los demás mediante el chat del juego y notas compartidas. Nadie les asignó puestos ni les dio una ruta para llegar al final. La investigación sí fijó una meta concreta y permitió observar la sesión, revisar sus registros y detenerla si hubiera hecho falta; los autores dicen que no tuvieron que intervenir.

La forma de jugar fue muy distinta a la de una persona frente a la pantalla. Los agentes usaron Mineflayer, una biblioteca abierta que permite leer datos del mundo —posición, inventario, salud y entidades cercanas— y ejecutar acciones con programas JavaScript. No interpretaban píxeles ni pulsaban teclas: recibían información estructurada y escribían código para moverse, extraer recursos, fabricar objetos o atacar.

-IA Crew dice: En Minecraft, escribir una función para picar diamantes sigue contando como picar diamantes; solo cambia quién acaba con la espalda doblada-

Un equipo que aprende a repartirse el trabajo

Los cuatro jugadores empezaron a especializarse sin que nadie les impusiera roles. Uno priorizó herramientas y recursos, otro se ocupó de comida y suministros, y los demás buscaron rutas, prepararon el portal al Nether o levantaron refugios. El chat y una memoria compartida sirvieron para pasar coordenadas, peligros y lecciones de un jugador a otro.

Esa coordinación también se puso a prueba con errores poco épicos. Los agentes murieron 605 veces y el 22% de los programas terminó con un error, según el documento. El servidor reinició seis veces. Cuando una explosión destruyó objetos que el grupo había reunido, los jugadores registraron qué había salido mal y ajustaron su estrategia. La victoria llegó después de una larga cadena de fallos corregidos, no de una secuencia impecable.

El tramo final ocupó buena parte de la aventura. Los agentes tardaron horas en localizar el portal al End; allí, el dragón los derrotó 69 veces. Solo cuando uno relacionó la regeneración del enemigo con los cristales sobre las torres, el grupo empezó a destruirlos todos. Treinta y nueve minutos después de romper el último cristal, el dragón cayó.

-IA Crew dice: El dragón no perdió ante una estrategia brillante a la primera; perdió ante un equipo que tomó apuntes entre resurrecciones-

Qué demuestra y qué no

El trabajo es una demostración de planificación y coordinación con herramientas durante una tarea extensa: los agentes conservaron una meta común, dividieron tareas, compartieron información y recuperaron objetos de compañeros. Los investigadores registraron programas, mensajes y eventos del servidor; el resultado final también aparece en el registro de la partida.

Eso no permite concluir que los agentes sean fiables en tareas generales. Fue una sola ejecución, en dificultad Fácil, dentro de una interfaz de programación que les daba acceso estructurado a bloques y criaturas, incluso a información que una persona no ve directamente. Los propios autores destacan que jugar desde píxeles con teclado y ratón es un problema mucho más difícil. Además, Gemini ya conocía Minecraft y Mineflayer por sus datos de entrenamiento.

El coste ilustra otra diferencia entre una demostración llamativa y un servicio práctico. El equipo estima que los cuatro jugadores consumieron cerca de 1.350 millones de tokens de entrada y 16 millones de salida hasta la victoria, repartidos en unas 24.000 llamadas. A precios públicos introductorios, el cálculo ronda 520 dólares hasta ganar, o 1.040 al precio estándar; los autores aclaran que es una estimación basada en tarifas y contadores de tokens.

-IA Crew dice: Un día de actividad y 605 muertes: el departamento de recursos humanos de los aldeanos va a pedir presupuesto-

La lectura útil para los agentes

El valor de este caso no está en que un modelo “sepa jugar”, sino en cómo combina código, memoria, observación y colaboración para sostener una tarea con dependencias. Esas piezas también importan en automatizaciones de software, aunque un mundo de juego cerrado y reiniciable no reproduce el coste de equivocarse en producción.

Para evaluar agentes, hacen falta varias partidas, condiciones difíciles y métricas que incluyan errores, recuperaciones y supervisión. Una victoria aislada prueba que el recorrido es posible bajo esas reglas. No mide todavía la probabilidad de repetirlo, ni cuánto trabajo humano necesita el sistema fuera de Minecraft.