米Google傘下の英Google DeepMind、AI4体でMinecraftをクリア

米Google傘下の英Google DeepMindの研究者は、Gemini 4 Argonで動くコーディングエージェント4体が、人の手を借りずにMinecraftの最後の敵を27時間14分で倒したと発表した。役割は自分たちで分け、2783本のプログラムを書いた。会社の研究者による1回だけの試行で、難易度はEasy。費用は導入価格で約520ドルと見積もっている。

記事の内容を自社でどう進めるか、内容が固まっていない段階でも相談できます。仕事の相談

毎週 1 回、その週の記事から 5 本と実践の 1 本を選んでメールで届けます。ニュースレターを購読する（無料）

役割を決めずに分担した4体

4体は、ソフトウェアの仕事と同じ道具を持つ汎用のコーディングエージェントだという。Minecraft専用に作ったものではない。それぞれ自分のクラウドのマシンで動き、コードの作業場所、シェル、Web検索、自分用とチーム共有の記憶を持つ。

エージェントは画面を見ず、キーも押さない。オープンソースの「Mineflayer」を通じて、「この座標まで歩き、16ブロック以内の鉄鉱石を全部掘る」のような短いJavaScriptのプログラムを書いて動かし、返ってくる位置や体力、持ち物、エラーを読んで次のプログラムを書く。与えた目標は「エンダードラゴンを倒すこと」の1段落だけだ。ほかの指示は、どの環境でも共通の「行動ごとに結果を確かめる」「使い回せる道具を作る」「学んだことを共有の記憶に書く」「結果を正直に報告する」だった。

始めて10分で、1体がチャットで分担を提案した。食料集め、ダイヤモンド掘り、道具作り、別の世界へ行く門づくりに分かれ、2時間以内に鉄の道具とダイヤモンドと門がそろった。地下の要塞を探す場面では、1体が2か所からアイテムを投げ、飛ぶ向きをプログラムで記録して交点を計算した。1.3km先の要塞の位置を43mの誤差で当てたという。

2783本のプログラムと605回の失敗

いちばん手間取ったのは最後の戦いで、ドラゴンに69回倒された。21時間ほどたった頃、1体が「塔の上の水晶がドラゴンを回復させている」と気づき、土を積んで登れば道具なしで壊せると割り出した。4時間40分かけて10個を壊し、その39分後にドラゴンを倒した。

全体では、229通のチャットを交わし、605回やられ、サーバーは6回再起動した。プログラムの22％はエラーで終わった。チームは座標や教訓を共有の記憶に書き、1体が作った補助の関数は4体の655本のプログラムで使われた。プログラムが、実際には起きていない成功を報告した時は、書いたエージェント自身が2分後に「さっきの報告は確認していない分岐から出たものだ」と訂正したという。

費用も載っている。勝つまでに入力約13.5億トークン（91％はキャッシュ）、出力約1600万トークン、約2万4000回のモデル呼び出しを使った。公開の導入価格で約520ドル、通常の価格なら1040ドルと見積もっている。

結果を読む時に知る条件

DeepMindの研究者の論文は限界も書いている。Mineflayerは周りのブロックや生き物を正確に教えるので、岩の向こうのブロックやドラゴンの内部の状態まで分かる。経路は道を探すプラグインが計算する。難易度はEasyで、モデルは学習の段階でMinecraftについて多くを知っている。そして結果は、最初に走らせた1回だけで、どれだけ安定して成功するかは示せないという。

これまでにも、外部のプロジェクトがドラゴンを倒した例はある。論文によると、Claude Opus 5のエージェント1体にMinecraft用の道具を37個持たせた例や、決まった地形の世界をいちばんやさしい難易度で遊ばせた例だ。今回の違いは、人が書いたゲーム用の道具を足さず、ランダムに作られた世界で、4体が自分で書いたプログラムだけで進めた点だとしている。

不正の見張りには5体目の「Observer」を置き、プレイヤーの報告を記録と照らし合わせさせた。Observerと、記録の一部を人が確かめた範囲では、不正は見つからなかったとしている。MojangやMicrosoftとは関係のない研究で、ゲームの公式の記録ではないとも断っている。ほかの人がこの結果を再現したかは未確認だ。

編集部の見方

ゲームの話に見えるが、中身は「エージェントを何体も長時間動かす時の設計」の実例だ。目標は1段落にし、確かめる、道具を作る、共有メモに書く、正直に報告する、という共通の決まりだけを渡す。これはClaude CodeやCodexのAGENTS.mdにそのまま書ける。4体を27時間動かして約520ドルという数字も、自分の仕事に当てはめる時の目安になる。ただし会社の研究者による1回の試行であり、能力の上限ではなく一つの成功例として読みたい。