Играли 27 часов и умерли 605 раз: Google рассказала, что агенты Gemini 4 Argon смогли победить главного босса в Minecraft без участия человека
Исследователи оценили затраты на «победу» в $520.
Источник: Google
- Компания поместила четырёх универсальных агентов Gemini 4 Argon в игру-песочницу Minecraft и дала задание: победить Эндер-дракона — главного «босса» в игре, пишет Engadget со ссылкой на статью Google DeepMind.
- Роли не раздали, стратегию и специфичные инструменты — тоже. Каждый агент управлял одним персонажем, используя открытую библиотеку Mineflayer для создания ботов в игре, и координировал действия с другими агентами через внутриигровой чат и общую память.
- Агенты сами поделили задачи и распределили роли. Для игры они писали короткие программы на JavaScript — например, «перейди на эти координаты и добудь всю железную руду в пределах 16 блоков». Затем считывали текстовый ответ: положение персонажа, уровень здоровья, данные об инвентаре и ошибках. Медианное время работы программы составило 33,5 секунды.
Источник: Google
- Во время прохождения агенты предупреждали друг друга об угрозах, делились координатами и советами и подбирали снаряжение и ресурсы погибших товарищей по команде. Пятый агент под названием Observer лишь наблюдал за ситуацией и не вмешивался — его задачей было следить, будут ли агенты жульничать, и публиковать отчёты.
- Суммарно на выполнение поставленной задачи четыре агента потратили 27 часов и 14 минут. Для победы они написали и запустили 2783 программы на JavaScript (всего в ходе сессии — 2839 программ), обменялись 229 сообщениями и умерли 605 раз.
Общение агентов в чате в первые пятнадцать минут. Источник: Google
- До момента победы четыре агента обработали около 1,35 млрд входных токенов, 91% из которых из кешированного контекста, и 16 млн выходных токенов, в том числе 4 млн «рассуждающих». Исходя из цен в API Gemini 4 Argon, завершение миссии обошлось в $520 по стартовой цене или $1040 по стандартному тарифу.
- Вся сессия, с учётом работы Observer и днём после завершения задачи, — $810 или $1620 соответственно. Компания отметила, что это лишь оценка, которая не отражает реальные затраты на работу модели.