Cuatro agentes de Gemini 4 se pasan Minecraft solos tras morir 605 veces

Google DeepMind ha publicado un experimento que suena a anécdota pero apunta a algo más serio: cuatro agentes basados en su modelo Gemini 4 Argon lograron derrotar al Ender Dragon de Minecraft sin ayuda humana, coordinándose entre ellos y escribiendo su propio código sobre la marcha. Tardaron más de un día y murieron 605 veces por el camino. Lo cuenta MuyComputer a partir de los datos difundidos por la propia compañía.

Un objetivo y ninguna instrucción

El montaje fue deliberadamente austero. Los investigadores colocaron cuatro instancias del modelo en un mundo generado al azar de Minecraft Java Edition 1.20.4, en modo Supervivencia y dificultad Fácil, y les dieron una única consigna: acabar con el dragón. No hubo reparto previo de roles, ni rutas marcadas, ni bibliotecas de habilidades preparadas por el equipo para resolver atajos. Según DeepMind, se limitaron a observar la partida con la posibilidad de detenerla, pero sin intervenir.

Cada agente controlaba a un jugador a través de Mineflayer, una biblioteca abierta que permite crear bots para el juego. El modelo no veía la pantalla: recibía descripciones en texto de su posición, su salud, su inventario y lo que tenía alrededor, y respondía escribiendo pequeños programas en JavaScript para moverse, picar, fabricar objetos o pelear. Después comprobaba el resultado y decidía el siguiente paso. Entre los cuatro generaron 2.783 programas y más de 63.000 líneas de código hasta terminar la partida.

Se repartieron el trabajo sin que nadie se lo pidiera

La parte que DeepMind considera relevante no es el desenlace, sino la organización. Los agentes se dividieron las tareas de forma espontánea: uno fabricó herramientas y localizó la fortaleza y el stronghold; otro acumuló provisiones y destruyó seis de los diez cristales que regeneran la vida del dragón; un tercero levantó el portal y averiguó cómo alcanzar esos cristales; el cuarto se ocupó de las defensas frente a los Endermen y dio el golpe final.

Para entenderse usaron el chat del juego y una memoria compartida, con la que intercambiaron coordenadas, avisos de peligro y soluciones a problemas concretos. También recuperaron los objetos de los compañeros que morían y se corrigieron entre ellos cuando alguno daba por terminada una tarea que en realidad no lo estaba. En total se cruzaron 229 mensajes.

605 muertes y un atasco de horas

El recuento de fracasos es revelador de cómo aprenden estos sistemas por ensayo y error: 351 muertes a manos de monstruos, 69 frente al propio dragón, 67 por ahogamiento y el resto sobre todo por caídas, lava y fuego. Llegaron a The End pasadas unas trece horas y media, pero el combate final se atascó durante horas hasta que uno de los agentes dedujo que los cristales estaban curando al dragón continuamente y descubrió que podía alcanzarlos construyendo columnas de tierra. El último cristal cayó a las 26 horas y 34 minutos; el dragón, cuarenta minutos después.

Comparar con un humano no tiene mucho sentido

La marca total fue de 27 horas y 14 minutos, frente a un récord humano sobre semilla aleatoria que está por debajo de los siete minutos. Google admite además varias ventajas para sus agentes: Mineflayer les da información exacta de objetos y criaturas cercanas, incluidos bloques ocultos y estados internos del dragón que un jugador no puede ver, e incorpora navegación automática. A eso se suma la dificultad Fácil y el hecho de que el modelo ya conocía el juego a fondo por sus datos de entrenamiento. El experimento no pretende demostrar que la IA juegue mejor que una persona.

Tampoco es la primera IA que mata al Ender Dragon —otro proyecto lo consiguió con Claude Opus 5—, pero esos intentos recurrían a herramientas de más alto nivel o a escenarios más preparados. Lo que reivindica DeepMind es haber usado agentes generales de programación, una semilla aleatoria y la biblioteca estándar.

Lo que cuesta y para qué sirve

La factura ayuda a poner la hazaña en perspectiva: unas 24.000 llamadas al modelo, cerca de 1.350 millones de tokens de entrada y 16 millones generados. Google estima el coste en unos 520 dólares con el precio introductorio de Gemini 4 Argon, o alrededor de 1.040 dólares con la tarifa estándar.

Es mucho dinero para una partida, pero el juego solo era el banco de pruebas. Lo que interesa a Google es enseñar que varios agentes pueden coordinarse entre sí, recuperarse de cientos de errores propios y sostener un objetivo coherente durante decenas de horas sin supervisión. Ese es justo el terreno donde más dudas hay: hace poco, el consejero delegado de Microsoft defendía tratar los modelos de IA como si ya estuvieran comprometidos, precisamente por los riesgos de dejar actuar a sistemas autónomos sin contención.