Cuatro agentes autónomos basados en el modelo Gemini 4 Argon derrotaron en Minecraft al jefe final, el Enderdragón (Ender Dragon), en un mundo generado al azar y en dificultad Fácil. La partida completa, desde el primer hachazo a la madera hasta la muerte del dragón, les llevó 27 horas y 14 minutos, y por el camino murieron 605 veces en total. El experimento se describe en un trabajo de investigación de Google DeepMind publicado el 15 de octubre de 2026 en arXiv. Sus autores, Maxence Faldor, Satinder Singh y Roberta Raileanu, lo presentan como la primera partida completa de Minecraft conocida que sistemas de inteligencia artificial resuelven de forma totalmente autónoma, sin una seed preparada de antemano y sin lógica de juego escrita a mano.

Cuatro bots, cero pistas humanas

Los agentes no recibieron roles asignados, ni un plan de acción, ni información sobre dónde estaban los recursos del mundo. Tenían una sola tarea: derrotar al Enderdragón. Cada uno controlaba a su personaje a través de Mineflayer, una biblioteca abierta de JavaScript que permite manejar un bot en Minecraft a nivel de código, no de píxeles. Los agentes no veían la pantalla ni pulsaban teclas: escribían y ejecutaban programas que realizaban por ellos acciones concretas en el mundo del juego.

Según los autores del trabajo, ya en los primeros diez minutos los bots se repartieron las tareas por su cuenta: unos reunían materiales, otros construían herramientas y otros preparaban la base. Se comunicaron en el chat del juego, con un total de 229 mensajes, y mantuvieron una memoria compartida donde anotaban ubicaciones, lecciones de sus errores y las reglas de comportamiento de los mobs que se iban encontrando. En una observación citada por los investigadores se señala que «nada en las instrucciones de los agentes mencionaba roles, cofres ni acciones de rescate», y que toda la división del trabajo surgió sola.

Cristales en El End y matemáticas del portal

La etapa final en El End fue la que más problemas dio a los agentes. Uno de los bots calculó la ubicación de la fortaleza con un margen de 43 metros, siguiendo la trayectoria de varios Ojos de Ender lanzados durante la búsqueda. El propio Enderdragón mató al equipo 69 veces antes de que los agentes descifraran la mecánica de los cristales del End que regeneran su salud y rodean la plataforma de obsidiana.

Entre intento e intento, los bots analizaban el estado interno del juego y anotaban reglas para derrotar al jefe, hasta que idearon un método para llegar a los cristales usando pilas de bloques de tierra, lo que les permitió destruirlos antes de enfrentarse al dragón. En total, para llegar a ese punto, los agentes escribieron y ejecutaron 2783 programas en JavaScript, y la partida abarcó unos 81 días dentro del juego.

Cuánto costó el experimento

El coste de toda la prueba, calculado con la tarifa introductoria del modelo Gemini 4 Argon, fue de unos 520 dólares; con la tarifa estándar de la API habrían sido 1040 dólares. Los agentes procesaron 1350 millones de tokens de entrada, de los cuales el 91% procedía de la caché de contexto, y generaron 16 millones de tokens de salida, entre ellos 4 millones del propio «pensamiento» del modelo. Todo ello en unas 24 000 llamadas al modelo.

  • 2783 programas en JavaScript escritos y ejecutados
  • 605 muertes de agentes, 69 de ellas a manos del propio Enderdragón
  • 42 funciones auxiliares reutilizadas una y otra vez por los bots
  • 6 reinicios del servidor durante el experimento
  • El 22% de los programas escritos terminó con un error

Qué limita este resultado

Los propios autores del trabajo señalan las limitaciones del experimento. Los agentes recibían la información del mundo como datos exactos del código del juego, sin tener que interpretarla a partir de una imagen como haría una persona mirando la pantalla, lo que facilita mucho la planificación. La partida se jugó en una dificultad fácil, que limita la fuerza de los enemigos, y los modelos ya tenían en sus datos de entrenamiento conocimientos generales sobre las mecánicas de Minecraft. Los investigadores también subrayan que se trata de una sola ejecución, así que no se sabe cuán repetible sería el resultado en nuevos intentos, y que las conclusiones no se trasladan necesariamente a entornos impredecibles fuera del juego.

A pesar de estas reservas, el equipo de DeepMind describe el experimento como una prueba de que la coordinación entre varios agentes, la planificación a largo plazo y la depuración autónoma de código pueden funcionar en la práctica sin supervisión humana, algo relevante para construir sistemas de IA que apoyen tareas reales de ingeniería de software.

Minecraft como campo de pruebas, no como nuevo récord de speedrun

Para los jugadores que siguen las guías para derrotar al Enderdragón, conviene tener clara una distinción: esto no es un récord de velocidad en el sentido de la comunidad de speedrunning, donde los mejores jugadores completan el juego en directo, con teclado y ratón, en pocos minutos. Los agentes de DeepMind jugaron con otras reglas: en un mundo generado al azar, durante más de un día, con recolección completa de recursos, crafteo y exploración, algo más cercano a una partida típica de supervivencia que a una carrera optimizada por todas las etapas.

La biblioteca Mineflayer, en la que se basó el experimento, también es muy conocida entre quienes crean bots y automatizaciones para servidores de Minecraft, aunque allí las normas de la mayoría de las comunidades prohíben el juego automático no autorizado. Aun así, el experimento de DeepMind demuestra que esa misma infraestructura abierta, que los creadores de mods llevan años usando para escribir bots de minería o farms, hoy puede combinarse con grandes modelos de lenguaje para tareas mucho más complejas que picar bloques de forma repetitiva.

Fuentes