4 Agent Gemini Argon Tamatkan Minecraft (Automasi)
Google DeepMind baru aja pamer hasil penggunaan AI mode Gemini Argon yang lumayan bikin melongo. Empat agent AI berbasis Gemini 4 Argon berhasil ngalahin Ender Dragon di Minecraft, dan semuanya jalan sendiri tanpa campur tangan manusia. Full automasi!
Menurut laporan yang terbit 18 Oktober 2026, ini pertama kalinya Minecraft berhasil ditamatkan secara otonom oleh sekelompok agent.
Gimana Cara Mainnya?
Keempat agent dilepas di dunia Minecraft yang generated secara acak. Gak ada pembagian peran, gak ada strategi bawaan, dan gak ada tool khusus buat game ini. Semuanya harus mereka cari tau sendiri.
Nah, yang menarik, mereka ternyata bisa kerja bareng layaknya tim beneran. Tugas dibagi sendiri, saling ngasih peringatan kalo ada bahaya, dan ngambil lagi barang dari teman yang mati. Setiap kesalahan juga dicatat di shared memory biar gak diulang. Keempatnya bernama janesick, gyldenia, auratian, dan bulicame, dengan peran yang terbentuk sendiri di tengah jalan.
Angka-angkanya Lumayan Gila
Total waktu yang dibutuhkan adalah 27 jam 14 menit. Selama itu, para agent menulis 2.783 program JavaScript dan saling kirim 229 pesan lewat chat.
Soal mati? Total mereka mati 605 kali. Ya, kedengarannya banyak banget, tapi namanya juga belajar dari 0.
Biayanya? Sesi ini menghabiskan sekitar $1.620 kalo dihitung pakai harga standar Gemini 4 Argon. Tapi harga itu baru berlaku mulai 2027, jadi bisa aja meleset dari perhitungan tadi.
Kenapa Ini Penting?
Dulu, ngalahin game kayak Minecraft butuh sistem AI khusus yang dilatih dari nol. Sekarang, model agentic serba guna udah bisa melakukannya tanpa persiapan khusus.
Yang sebenarnya diuji di sini bukan soal main game-nya. Mereka harus menjaga rencana tetap nyambung selama ribuan langkah, kerja bareng, dan belajar dari ratusan error.
Kesimpulan
Buat saya, bagian paling keren bukan kemenangannya, tapi cara mereka kerja sama dan belajar dari kesalahan. Memang biayanya masih mahal, jadi belum bakal kepakai buat main game sehari-hari. Tapi kalo kemampuan ini diterapkan ke kerjaan nyata, mungkin ceritanya bakal beda.
