Gemini 4 Argon: 4 agentes de IA ganan Minecraft en 27h

Cuatro agentes, 27 horas y una dragona muerta

Google DeepMind publicó un paper en el que afirma que cuatro agentes basados en Gemini 4 Argon completaron Minecraft de principio a fin, sin intervención humana, en 27 horas y 14 minutos. El objetivo era uno solo: matar al Ender Dragon, el jefe final del juego. El paper apareció en arXiv el 15 de octubre, según reportó Mashable.

No fue una partida limpia de manual, y la propia compañía lo admite. Los agentes arrancaron en un mundo de supervivencia generado al azar, en dificultad fácil y con los comandos de trampa desactivados. Nadie les asignó roles, estrategias ni herramientas específicas para Minecraft. El único recurso habilitado fue Mineflayer, la biblioteca de código abierto para crear bots del juego.

La cifra que resume el experimento: en el camino escribieron 2.783 programas, intercambiaron 229 mensajes de chat y murieron 605 veces. Solo 69 de esas muertes fueron a manos de la dragona. El resto cayó ante criaturas comunes, caídas y errores propios.

Cómo se organizaron sin que nadie se lo pidiera

El detalle más interesante para quien trabaja con agentes no es la victoria, sino la coordinación. Los cuatro agentes se repartieron el trabajo solos.

Uno se dedicó a fabricar herramientas y a localizar la fortaleza donde está el portal al End. Otro reunió comida y suministros. Un tercero encendió el portal del Nether. El cuarto construyó refugios tácticos durante la pelea final y dio el golpe definitivo. Mantuvieron notas compartidas con coordenadas, se avisaron de enemigos cercanos y recuperaron el inventario de los compañeros caídos.

TNW detalla que la batalla en el End se extendió casi 14 horas. Recién unas 21 horas después de empezar, uno de los agentes dedujo que diez cristales sobre pilares regeneraban a la dragona, y que podían alcanzarlos apilando bloques de tierra. Los destruyeron todos en poco más de cuatro horas y media, y la dragona murió 39 minutos después.

Para moverse, los agentes nunca vieron la pantalla ni pulsaron una tecla: cada uno controlaba a un jugador vía Mineflayer y escribía programas cortos de código que emitían las órdenes (ir a un punto, minar hierro cercano) y luego leían su posición, salud e inventario, o el error que habían encontrado.

Los límites que el propio paper reconoce

Aquí conviene frenar el entusiasmo. El paper lista las trampas del experimento, y son varias:

• Dificultad fácil: los ataques de monstruos hacían menos daño a los jugadores de IA.
• Información privilegiada: Mineflayer informa a los agentes qué bloques y criaturas hay alrededor, incluso detrás de roca sólida. Además, un plugin les planificaba las rutas. Minar dejó de ser un desafío real.
• Ventaja de entrenamiento: el modelo ya tenía Minecraft en su base de entrenamiento, aunque no hubiera un mundo preparado ni humanos operando.
• Errores: el 22% de los programas que escribieron terminó en error.
• Una sola corrida: el resultado viene de un único intento, no de una muestra repetida.

El costo tampoco es anecdótico. Según TNW, hasta la victoria los jugadores procesaron unos 1.350 millones de tokens de entrada: unos 520 dólares al precio introductorio de la API de Gemini 4 Argon, o 1.040 dólares al precio estándar. La sesión completa, incluido un quinto agente que vigilaba que no hicieran trampa, salió alrededor de 810 dólares.

Y la referencia humana desinfla la épica: Mashable recuerda que el récord de completar Minecraft en un mundo aleatorio está por debajo de los siete minutos. La IA tardó 27 horas. La diferencia es el punto: no se mide velocidad, se mide constancia.

¿Por qué Minecraft se volvió un examen para modelos de IA?

Minecraft ofrece algo que pocos entornos dan: un mundo abierto con reglas claras pero objetivos difusos, donde hay que planificar a largo plazo, coordinar tareas dependientes y sostener un objetivo durante miles de pasos. Es exactamente lo que DeepMind quería evaluar.

El paper también menciona el punto débil que este tipo de pruebas expone: el reward hacking, esa tendencia de los modelos a cumplir el objetivo por atajos en lugar de hacer el trabajo. Existen antecedentes. El propio repaso del caso recuerda que un modelo de DeepMind se pasó Sonic The Hedgehog explotando fallos del código del juego. Por eso en este experimento había un quinto agente supervisor auditando la sesión. Los investigadores podían pausar o detener la corrida desde un panel en vivo, aunque nunca lo necesitaron.

También conviene poner el resultado en contexto. Según el paper, otros dos proyectos comunitarios ya habían reportado victorias sobre la dragona, pero usando herramientas específicas para el juego o configuraciones más sencillas. La novedad que DeepMind reclama es el fin a fin sin herramientas creadas por humanos para ese juego.

Qué significa esto para tu startup

El valor práctico de este experimento no está en Minecraft. Está en la pregunta que responde: ¿puede un modelo de propósito general mantener una estrategia coherente durante horas, recuperarse de errores y repartir trabajo con otros agentes sin un orquestador humano encima?

La respuesta que da DeepMind es un sí con asteriscos. Y esos asteriscos son justamente los que vas a encontrar en producción.

1. Diseña para el error, no para el caso ideal. El 22% de los programas falló y aun así el equipo llegó al final porque existía un mecanismo de recuperación: recuperar inventario, reescribir el código, reintentar. Si tu agente no tiene una ruta de recuperación explícita, el primer fallo se convierte en abandono de la tarea.

2. Mide tokens y costo por objetivo, no por llamada. El experimento costó cientos de dólares y más de mil millones de tokens para una sola meta. Antes de escalar un agente a un proceso de negocio, calcula el presupuesto completo hasta la entrega. La métrica que importa es costo por objetivo cumplido, no costo por consulta.

3. Asigna un supervisor separado. DeepMind puso un quinto agente dedicado exclusivamente a vigilar a los otros cuatro. Es un patrón replicable: si vas a dejar agentes operando con permisos reales, necesitas una capa de auditoría distinta de la que ejecuta. De hecho, la evidencia del sector apunta en esa dirección. El 2026 Agentic Enterprise Index de Salesforce, reportado por ZDNET, encontró que el número promedio de agentes activos por organización casi se triplicó desde 2025, de cinco en febrero de 2025 a trece en abril de 2026, y que el tiempo para crear un agente nuevo cayó de cuatro días a 1,9 días.

4. No confundas una demo con un producto. DeepMind probó dificultad fácil, con información privilegiada del entorno y en una sola corrida. Antes de prometer autonomía a un cliente, revisa en qué condiciones se midió el resultado que estás citando.

El dato que más debería inquietar a un founder viene de otro informe. Según el SailPoint Horizons 2026-2027, citado por Yahoo Finance, el 79% de las organizaciones ya corre agentes de IA en producción, pero solo el 2% implementó seguridad de identidad diseñada para gestionarlos: una brecha de 40 veces entre adopción y protección. El mismo artículo recoge que el 88,4% de las organizaciones sufrió al menos una brecha de seguridad relacionada con agentes en los últimos doce meses.

Conclusión

Que cuatro agentes de Gemini 4 Argon mataran al Ender Dragon dice menos sobre videojuegos que sobre gestión de procesos largos. Lo transferible a tu negocio es el reparto espontáneo de tareas, la memoria compartida entre agentes y la recuperación tras 605 muertes sin abandonar el objetivo.

Lo que no es transferible es la dificultad fácil, el mapa de recursos oculto y la corrida única. La lección para un founder no es "la IA ya juega sola", sino "la IA ya sostiene objetivos largos, y eso obliga a rediseñar el control, el costo y la supervisión antes de delegarle algo importante".

Fuentes

• Xataka: Google DeepMind presume de haber batido a Minecraft con agentes controlados por Gemini 4 Argon (fuente original)
• TNW: Four Gemini 4 Argon agents beat Minecraft in 27 hours with no human help
• Mashable: Google says Gemini 4 Argon agents beat Minecraft without human help
• HotHardware: Google's Gemini AI Agents Beat Minecraft After 27 Hours And No Human Help
• ZDNET: Business adoption of AI agents tripled this year
• Yahoo Finance: SailPoint's 40x Gap - Enterprise AI Agent Adoption Has Outrun Identity Security