Google’s DeepMind Gemini 4 Argon Team hat mit vier unabhängigen Agenten in einer zufällig generierten Minecraft-Überlebenswelt die Aufgabe erfüllt, den Ender Dragon ohne menschliches Eingreifen zu besiegen; dieses Experiment zeigt, dass universelle Agenten-AI-Modelle jetzt in komplexeren Spielszenarien als je zuvor Kooperations- und Selbstkorrekturfähigkeiten demonstrieren können. Die vier Agenten koordinierten sich über In-Game-Chat und teilten Erinnerungen, wobei sie unterschiedliche Rollen übernahmen, wie zum Beispiel janesick, der Werkzeuge herstellte, gyldenia, die Nahrung sammelte, auratian, der das entscheidende Portal entzündete, und bulicame, der eine Enderman-Abdeckung baute und den letzten Schlag ausführte; der gesamte Prozess dauerte 27,23 Stunden, wobei der Großteil der Zeit im Kampf gegen den Ender Dragon verbracht wurde.
Die Leistung der vier Agenten beweist die Aussage „End-to-End-Automatisierung von Minecraft ist erstmals gelungen“ und spiegelt das neue Potenzial universeller Agenten-AI-Systeme bei langfristigen Aufgaben wider
Das Team stellte fest, dass die vier Agenten während der Mission insgesamt 2.783 Programme schrieben und ausführten, 229 Nachrichten austauschten und 605 Mal starben; ein weiterer Agent namens The Observer fungierte als unabhängiger Zeuge und überwachte den gesamten Prozess, um sicherzustellen, dass es keine Betrügereien gab, und war verantwortlich für die Veröffentlichung von Echtzeit- und Zusammenfassungsberichten. Der gesamte Interaktionsprozess verwendete 135 Millionen Eingabetokens, und die Gesamtkosten betrugen bei Geminis Listenpreis 810 USD, während der Standardpreis 1.620 USD betrug; diese Details sind in der veröffentlichten Forschungsarbeit aufgeführt. Die Forscher wiesen auch darauf hin, dass dieser Erfolg keine vorher festgelegten Seeds oder von Menschen geschriebenen Spielwerkzeuge erforderte und mit der Mineflayer-Open-Source-Bibliothek auf der nativen Plattform durchgeführt wurde.
Dieses Experiment zeigt die Bedeutung der „konsistenten Planung unter langfristigen Bedingungen“ für mehrstufige Aufgaben und reflektiert den praktischen Wert der Zusammenarbeit von mehreren Agenten und des Wissensaustauschs zwischen Agenten. Früher erforderten komplexe Spielstrategien oft spezifische Werkzeuge und menschliches Design, während die heutigen digitalen Systeme in der Lage sind, selbstständig Aufgaben zu verteilen, sich gegenseitig zu erinnern, Erfahrungen zu teilen und Wege zu korrigieren; diese Fähigkeiten haben auch wertvolle Implikationen für Bildung, Simulationstraining und die Automatisierung von Unternehmensabläufen.
Gleichzeitig erwähnte das Forschungsteam, dass dieses Experiment mit einem Input-Datenvolumen von 135 Millionen Tokens durchgeführt wurde, was in Bezug auf Cloud-Ressourcen und Rechenkosten ein hohes Investitionsniveau für ein End-to-End-Experiment darstellt; in Bezug auf Preisgestaltung und Vermarktung wird die gestaffelte Strategie von Gemini und der kommerzielle Weg für hochentwickelte Modelle die Nachfrage und Investitionen von Unternehmens- und Privatnutzern in hochentwickelte Denkfähigkeiten beeinflussen. Aus einer Marktbeobachtungsperspektive betrachtet, versucht Google, mit gestaffelten Angeboten einen breiten Zugang aufrechtzuerhalten, während es mit hochentwickelten Modellen wie Argon die Automatisierung von Arbeitsabläufen und die langfristige Rechenleistung verbessert; diese Strategie trägt dazu bei, die Nutzerbindung und den Wert der Produktintegration zu steigern.
Laut einer Ergänzung von CNMO spiegelt die gestaffelte Strategie von Gemini neben der Preisgestaltung auch die langfristige AI-Ökosystemstrategie zwischen den USA und China wider: Argon als hochentwickeltes Modell konzentriert sich auf tiefere semantische Verständnisse und die Verarbeitung von Langzeitkontexten, geeignet für Geschäftsszenarien, die hohe Präzision und stabile Schlussfolgerungen erfordern; Flash-Lite und Flash bleiben weiterhin als Optionen für schnelle alltägliche Antworten und kostengünstige Lösungen, wobei eine kostenlose Stufe beibehalten wird, um neue Nutzer anzuziehen. Diese Veränderungen helfen Google, Cloud, Workspace und Multimedia-Dienste weiter zu integrieren und das Nutzungserlebnis und die Bindungsrate über Produkte hinweg zu verbessern.
Obwohl dieses Experiment im Spielbereich stattfand, könnten die technologischen Fortschritte dahinter auch für automatisierte Arbeitsabläufe und Entscheidungssysteme in der realen Welt von Bedeutung sein. Sollte Argon in rigorosen Tests über längere Zeiträume und bei mehr Aufgaben signifikante Verbesserungen zeigen, würde der Wert von AI Pro und AI Ultra verstärkt, und Google könnte tiefere Integrationen und Kooperationen in seinen Ökosystemdiensten wie Workspace und YouTube Premium vorantreiben. Für eine langfristige Entwicklung muss Google ein stabileres Gleichgewicht zwischen Kosten, Leistung und Nutzererfahrung finden.
Derzeit können Nutzer, die sich um Kosten und Zugänglichkeit sorgen, weiterhin über die Flash-Lite- und Flash-Modi stabile Leistungen erhalten, während die hochentwickelten Denkfähigkeiten von Argon für Unternehmensnutzer gedacht sind, die längere Gesprächshistorien und komplexe Aufgaben benötigen. Offiziell wird auch betont, dass Nutzer ihre Abonnements frei verwalten oder kündigen können und Anleitungen zu Einstellungen und Wechseln bereitgestellt werden; interessierte Leser können die entsprechenden Seiten auf ai.google besuchen, um die neuesten Informationen zu erhalten. Diese Veränderungen könnten schnellere Antworten und Anpassungen der Ressourcen sowohl auf mobilen Geräten als auch auf Desktop-Computern mit sich bringen, was sich möglicherweise auf die Effizienz im Alltag und in der Forschung auswirkt.