Gemini en Minecraft: 4 agentes de IA derrotan al Ender Dragon

Maxence Faldor, Satinder Singh y Roberta Raileanu, de Google DeepMind, describen en un artículo en arXiv cómo cuatro agentes basados en Gemini 4 Argon se pasaron Minecraft: desde un mundo aleatorio en modo supervivencia hasta derrotar al Ender Dragon. Gemini en Minecraft tardó 27 horas y 14 minutos, sin ninguna ayuda humana. El artículo llegó a arXiv el 15 de octubre y desde el 19 de octubre lo cuentan, entre otros, The Next Web y el X de la IA.

¿Qué hicieron exactamente los agentes de Gemini en Minecraft?

Los autores escriben que, hasta donde saben, es «the first end-to-end autonomous completion of Minecraft by AI agents». Las condiciones de partida eran justas: Minecraft Java Edition 1.20.4, un mundo generado al azar, dificultad Easy, comandos desactivados y un único objetivo: matar al dragón. Nadie repartió roles ni les escribió a los agentes herramientas específicas para el juego.

Lo curioso es que los agentes no veían la pantalla en ningún momento. Cada uno controlaba a su personaje a través de Mineflayer, una biblioteca de código abierto para bots de Minecraft. Para hacer cualquier cosa, el agente escribía un programa corto en JavaScript y luego leía el resultado: posición, salud, inventario o un error. Es decir, en realidad son agentes programadores que juegan con código.

Algunas cifras del artículo:

1. 2783 programas escritos antes de la victoria, de los cuales un 22 % terminó en error.
2. 229 mensajes en el chat del juego, por el que se coordinaban los agentes (además de una memoria compartida).
3. 605 muertes, 69 de ellas en el End.
4. Unos 1350 millones de tokens de entrada (el 91 % desde caché) y unos 16 millones de salida.

¿Cómo fue la partida?

Los agentes se repartieron los roles solos, a los 10 minutos más o menos. Uno (janesick) se encargó de fundir y de las herramientas, encontró una fortaleza del Nether y localizó el bastión. El segundo (gyldenia) reunió comida y provisiones, el tercero (auratian) construyó el portal al Nether y el cuarto (bulicame) buscó diamantes y le asestó al dragón el golpe final.

La cronología según los autores:

1. 1 h 42 min: portal al Nether encendido y, en menos de 2 horas, también herramientas de hierro y diamantes.
2. unas 10 h 45 min: ubicación del bastión calculada con dos lanzamientos de Ojo de Ender. La estimación quedó a solo 43 metros de la sala del portal.
3. 13 h 17 min: portal al End activado.

Y entonces empezó el verdadero calvario. La pelea en el End duró casi 14 horas. Solo tras unas 21 horas de juego los agentes entendieron que los cristales de los pilares curaban al dragón. Destruir los diez les llevó 4 horas y 40 minutos, y el dragón cayó 39 minutos después del último cristal (Minecraft no es tan fácil, al fin y al cabo ;)).

¿Cuánto costó?

Los autores calculan el coste de los cuatro jugadores en unos 520 USD con la tarifa promocional de Gemini 4 Argon, o 1040 USD con la estándar. La sesión completa, incluido un quinto agente en el papel de observador, salió por unos 810 USD (1620 USD con tarifa estándar). Son estimaciones a partir de la lista de precios, no los costes reales de los servidores de Google.

Ese observador no jugó en absoluto. Vigilaba que los jugadores no hicieran trampas ni «hackearan» la tarea (el llamado «specification gaming»), y no detectó nada parecido. Los investigadores también tenían una vista en directo y podían detener la partida.

¿Hay alguna trampa?

Hay unas cuantas, y los propios autores las enumeran:

1. Mineflayer da a los agentes información que un humano no tiene, por ejemplo sobre bloques y criaturas detrás de una pared. Además, un plugin de búsqueda de rutas les planifica el camino.
2. Dificultad Easy, no Normal ni Hard.
3. Una sola partida, así que no se sabe lo repetible que es el resultado.
4. El modelo conoce Minecraft por sus datos de entrenamiento, así que su conocimiento del juego no salió de la nada.

Según The Next Web, ya hubo antes dos proyectos de la comunidad en los que una IA derrotó al dragón, pero usaban herramientas escritas para este juego o un mundo fijo y más fácil. El artículo menciona AI Bengineering (un agente con 37 herramientas ya preparadas) y Malde (un planificador sobre una semilla fija de speedrun en modo Peaceful).

Para mí, lo más interesante de este resultado no es Minecraft en sí, sino que los agentes mantuvieron un plan coherente a lo largo de miles de pasos dependientes entre sí y más de un día de trabajo. Según The Next Web, Faldor escribió en X que DeepMind quiere usar la misma configuración para programación, ciencia y robótica.

¿Podemos repetirlo?

No del todo. En el artículo no se dice nada de publicar el código ni los registros de los agentes. Las piezas, eso sí, están disponibles: Mineflayer es de código abierto y Gemini 4 Argon está disponible desde el 13 de octubre para los usuarios de pago de la app Gemini y a través de la API (2 USD por millón de tokens de entrada y 10 USD por millón de salida en la promoción de lanzamiento; después, 4 y 20 USD).

Si queremos hacernos una idea de cómo trabajan los agentes que escriben código en bucle, es más sencillo empezar por Claude Code o por DeepSeek gratis en OpenCode.

FAQ

¿De verdad una IA se pasó Minecraft sola?

Sí, en una sola partida: desde un mundo aleatorio hasta derrotar al Ender Dragon, sin pistas de ninguna persona. Pero en dificultad Easy y con la biblioteca Mineflayer, que da a los agentes más información de la que ve un jugador.

¿Cuánto tardaron los agentes de Gemini en pasarse Minecraft?

27 horas y 14 minutos desde el primer programa hasta la victoria, de las cuales casi 14 horas fueron la pelea en el End.

¿Los agentes de Gemini veían la pantalla del juego?

No. Controlaban a sus personajes escribiendo programas en JavaScript y leían los resultados en forma de texto.