27 שעות, אפס בני אדם: ארבעה agents של Gemini 4 Argon סיימו את Minecraft מאפס
שבוע אחרי ש-Sundar Pichai הכריז על Gemini 4 Argon כמודל המוביל של Google למשימות ארוכות טווח, DeepMind פרסמה תוצאת ראווה. ארבעה agents אוטונומיים של Argon שיחקו Minecraft מעולם חדש לגמרי ועד הריגת ה-Ender Dragon תוך 27 שעות, בלי שום התערבות אנושית. ה-agents חילקו ביניהם עבודה, הזהירו זה את זה מסכנות ואספו פריטים מחברי צוות שמתו. אלה התנהגויות תיאום שקשה מאוד לתכנת מראש.
ההבחנה המרכזית ש-DeepMind מדגישה היא הכלליות. AlphaGo ו-AlphaStar היו מערכות שאומנו במיוחד לשלוט במשחק אחד. Argon הוא אותו מודל כללי שנמכר דרך ה-API ומשמש כבר לקוד, להגנת cyber ולרובוטיקה. תוצאות קודמות של Argon הראו שהוא ממיר וידאו ושרטוטים לקוד פיזיקה של MuJoCo ומעלה את שיעור ההצלחה של הרובוט Spot במשימות מניפולציה מ-56% ל-75%. Minecraft היא סביבה ארוכת טווח עם תצפית חלקית, כך שלסיים אותה זה אומר תכנון רציף לאורך אלפי צעדים.
התוצאה מגיעה בתוך מרוץ agents רחב יותר. OpenAI הוסיפה השבוע ל-ChatGPT יכולת לקרוא טאבים ב-Chrome ולהשלים בהם משימות. Meta מקדמת את Muse Wonder ל-workflows אוטונומיים. xAI בונה מחדש את Grok סביב router של ארבעה מודלים. תיאום בין כמה agents הופך ל-benchmark שהחברות רוצות שיראו אותן מנצחות בו, במקום מענה על שאלה בודדת.
יש כמה הסתייגויות. ריצות ראווה עוברות אוצרות, ו-DeepMind לא פרסמה כמה ניסיונות קדמו לריצה המוצלחת של 27 שעות, וגם לא את תשתית הכלים שה-agents השתמשו בה. טענה נוספת של DeepMind, שיותר מ-75% מקוד הפרודקשן שלה נכתב על ידי AI, ספגה ביקורת: ניתוח בקהילה הראה שרק 11.9% מה-PRs מואצלים במלואם, ו-88% עדיין דורשים הכוונה אנושית. כדאי לחכות לשחזורים ולדוח טכני עם שיעורי כישלון.