Gemini in Minecraft: 4 agenti AI sconfiggono l'Ender Dragon

Maxence Faldor, Satinder Singh e Roberta Raileanu di Google DeepMind descrivono in un paper su arXiv come quattro agenti basati su Gemini 4 Argon abbiano finito Minecraft: da un mondo casuale in modalità sopravvivenza fino alla sconfitta dell’Ender Dragon. A Gemini in Minecraft sono servite 27 ore e 14 minuti, senza alcun aiuto umano. Il paper è uscito su arXiv il 15 ottobre e dal 19 ottobre ne parlano, tra gli altri, The Next Web e la X dell’AI.

Cosa hanno fatto esattamente gli agenti Gemini in Minecraft?

Gli autori scrivono che, per quanto ne sanno, si tratta di «the first end-to-end autonomous completion of Minecraft by AI agents». Le condizioni di partenza erano oneste: Minecraft Java Edition 1.20.4, un mondo generato a caso, difficoltà Easy, comandi disattivati e un solo obiettivo: sconfiggere il drago. Nessuno ha assegnato ruoli né scritto per gli agenti strumenti specifici per il gioco.

La cosa curiosa è che gli agenti non vedevano affatto lo schermo. Ognuno controllava il proprio personaggio tramite Mineflayer, una libreria open source per bot di Minecraft. Per fare qualsiasi cosa, l’agente scriveva un breve programma in JavaScript e poi leggeva il risultato: posizione, salute, inventario oppure un errore. In pratica sono agenti programmatori che giocano con il codice.

Qualche numero dal paper:

1. 2783 programmi scritti prima della vittoria, di cui il 22% è finito con un errore.
2. 229 messaggi nella chat di gioco, tramite cui gli agenti si coordinavano (più una memoria condivisa).
3. 605 morti, di cui 69 nell’End.
4. Circa 1,35 miliardi di token in input (il 91% dalla cache) e circa 16 milioni in output.

Com’è andata la partita?

Gli agenti si sono divisi i ruoli da soli, già dopo una decina di minuti. Uno (janesick) si è occupato di fusione e strumenti, ha trovato una fortezza del Nether e ha individuato la roccaforte. Il secondo (gyldenia) ha raccolto cibo e scorte, il terzo (auratian) ha costruito il portale per il Nether e il quarto (bulicame) ha cercato diamanti e ha sferrato al drago il colpo finale.

La cronologia secondo gli autori:

1. 1 h 42 min: portale per il Nether acceso e, entro 2 ore, anche strumenti di ferro e diamanti.
2. circa 10 h 45 min: posizione della roccaforte ricavata da due lanci dell’Occhio di Ender. La stima era a soli 43 metri dalla stanza del portale.
3. 13 h 17 min: portale per l’End attivato.

E poi è cominciato il vero calvario. Lo scontro nell’End è durato quasi 14 ore. Solo dopo circa 21 ore di gioco gli agenti hanno capito che i cristalli sui pilastri curavano il drago. Distruggerli tutti e dieci ha richiesto 4 ore e 40 minuti, e il drago è caduto 39 minuti dopo l’ultimo cristallo (Minecraft non è poi così semplice ;)).

Quanto è costato?

Gli autori stimano il costo dei quattro giocatori in circa 520 USD secondo il listino promozionale di Gemini 4 Argon, oppure 1040 USD secondo quello standard. L’intera sessione, compreso un quinto agente nel ruolo di osservatore, è costata circa 810 USD (1620 USD a prezzo standard). Sono stime basate sul listino, non i costi reali dei server di Google.

Quell’osservatore non ha giocato affatto. Controllava che i giocatori non barassero o non «hackerassero» il compito (il cosiddetto «specification gaming») e non ha segnalato nulla del genere. I ricercatori avevano anche una visuale in diretta e potevano interrompere la partita.

C’è qualche fregatura?

Qualcuna sì, e gli autori stessi le elencano:

1. Mineflayer dà agli agenti informazioni che un umano non ha, per esempio su blocchi e creature dietro un muro. In più, un plugin di pathfinding pianifica i percorsi al posto loro.
2. Difficoltà Easy, non Normal né Hard.
3. Una sola partita, quindi non si sa quanto il risultato sia ripetibile.
4. Il modello conosce Minecraft dai dati di addestramento, quindi la sua conoscenza del gioco non è venuta dal nulla.

Secondo The Next Web, c’erano già stati due progetti della community in cui un’AI aveva sconfitto il drago, ma usavano strumenti scritti apposta per questo gioco oppure un mondo fisso e più facile. Il paper cita AI Bengineering (un agente con 37 strumenti già pronti) e Malde (un pianificatore su un seed fisso da speedrun in modalità Peaceful).

Per me la cosa più interessante di questo risultato non è Minecraft in sé, ma il fatto che gli agenti abbiano mantenuto un piano coerente per migliaia di passaggi dipendenti l’uno dall’altro e più di un giorno di lavoro. Secondo The Next Web, Faldor ha scritto su X che DeepMind vuole usare la stessa configurazione per programmazione, scienza e robotica.

Possiamo rifarlo anche noi?

Non del tutto. Nel paper non si parla di rilasciare il codice né i log degli agenti. I mattoncini però sono disponibili: Mineflayer è open source e Gemini 4 Argon è disponibile dal 13 ottobre per gli utenti paganti dell’app Gemini e tramite API (2 USD per milione di token in input e 10 USD per milione in output con la promozione di lancio, poi 4 e 20 USD).

Se vogliamo farci un’idea di come lavorano gli agenti che scrivono codice in loop, è più semplice partire da Claude Code o da DeepSeek gratis in OpenCode.

FAQ

Un’AI ha davvero finito Minecraft da sola?

Sì, in una sola partita: da un mondo casuale fino alla sconfitta dell’Ender Dragon, senza suggerimenti da parte di persone. Ma a difficoltà Easy e con la libreria Mineflayer, che fornisce agli agenti più informazioni di quante ne veda un giocatore.

Quanto ci hanno messo gli agenti Gemini a finire Minecraft?

27 ore e 14 minuti dal primo programma alla vittoria, di cui quasi 14 ore per lo scontro nell’End.

Gli agenti Gemini vedevano lo schermo del gioco?

No. Controllavano i personaggi scrivendo programmi in JavaScript e leggevano i risultati sotto forma di testo.