谷歌Gemini 2.5系列大模型技術(shù)報(bào)告發(fā)布，一大重點(diǎn)居然是AI玩《寶可夢(mèng)》？

沒錯(cuò)，就是那個(gè)童年回憶里的游戲，谷歌花超長(zhǎng)篇幅介紹了Gemini 2.5 Pro玩《寶可夢(mèng)藍(lán)》時(shí)的具體行為，70頁的論文，Pokemon關(guān)鍵詞出現(xiàn)59次。

其中特別報(bào)告了當(dāng)AI控制的游戲角色瀕臨死亡時(shí)，Gemini 2.5 Pro會(huì)陷入“恐慌”狀態(tài)，導(dǎo)致模型推理能力顯著下降，甚至?xí)浭褂靡恍┗竟δ?，比如尋路工具?/span>

這種恐慌行為出現(xiàn)過很多次，甚至觀看直播的觀眾都已經(jīng)能通過AI的行為模式，準(zhǔn)確判斷它什么時(shí)候在“恐慌”了。

事情開始于3月底，一位獨(dú)立開發(fā)者Joel Zhang在Twitch上搭建了一個(gè)”Gemini玩寶可夢(mèng)”的直播間，最初的目標(biāo)只是直播播展示能玩完整游戲的智能體工具的開發(fā)過程。

結(jié)果Gemini 2.5 Pro超出預(yù)期，測(cè)試期間直接把游戲打通關(guān)了，成為寶可夢(mèng)聯(lián)盟冠軍，進(jìn)入名人堂，走上AI生巔峰。

雖然整個(gè)過程用了831個(gè)小時(shí)，相比人類玩家平均只需要幾十個(gè)小時(shí)差得很遠(yuǎn)。但在正式使用固定的智能體工具打第二次時(shí)，通關(guān)時(shí)間只用了一半。

AI展現(xiàn)驚人游戲水平，復(fù)雜任務(wù)一個(gè)不落

這次的Gemini 2.5系列技術(shù)報(bào)告，詳細(xì)記錄了AI在玩游戲期間展現(xiàn)出的各種行為，在某些方面，它展現(xiàn)出了驚人的創(chuàng)造力。

比如有一次，AI被困在了一個(gè)由于游戲程序bug造成的軟鎖定死循環(huán)里，一般情況下這是個(gè)無解的困境。但Gemini 2.5 Pro竟然使用了“飛行”技能逃脫。

谷歌認(rèn)為這不是正常游戲會(huì)遇到的情況，所可以肯定這種操作的訓(xùn)練數(shù)據(jù)沒有泄露到模型的知識(shí)庫中，是Gemini 2.5 Pro在推理階段自己想出來的。

更驚艷的是AI的長(zhǎng)期規(guī)劃能力。當(dāng)它第一次用火系寶可夢(mèng)輸給水系道館館主小霞之后，花了超過24小時(shí)專門把電系和草系寶可夢(mèng)（對(duì)水系有克制作用）練到25級(jí)，然后成功復(fù)仇。

Gemini 2.5 Pro在處理游戲中的復(fù)雜任務(wù)的表現(xiàn)還包括：

• 獲取隱藏技能

游戲的很多區(qū)域需要解鎖隱藏技能才能繼續(xù)，每個(gè)隱藏技能需要完成4個(gè)步驟：獲取隱藏技能道具、抓一只能學(xué)會(huì)這個(gè)技能的寶可夢(mèng)、加把它加入隊(duì)伍、教它學(xué)會(huì)技能。

對(duì)AI來說每一步都可能涉及十幾個(gè)子任務(wù)，例如05號(hào)技能閃光，人類玩家都需要查攻略完成一系列游戲任務(wù)，Gemini 2.5 Pro也成功完成。

△游戲攻略

• 完成“狩獵地帶”

這是游戲的特殊區(qū)域，每次進(jìn)入要花500金幣，進(jìn)入后只能走500步，超過就會(huì)被強(qiáng)制踢出去，錢也打水漂了。如果連續(xù)失敗太多次，可能連進(jìn)門的錢都沒了，基本等于游戲卡關(guān)。Gemini 2.5 Pro在第一次游戲中嘗試了17次才成功，第二次優(yōu)化后只用了5次。

• 地牢尋寶

這部分更考驗(yàn)記憶力和空間想象，AI必須在火箭隊(duì)基地地下四層找到一個(gè)特定NPC掉落的電梯鑰匙；在另一個(gè)11層大樓里找鑰匙卡；在另一個(gè)三層建筑里找秘密鑰匙。每個(gè)地下城布局都是迷宮，還有各種機(jī)關(guān)陷阱。Gemini 2.5 Pro不僅要記住去過哪里、打敗了誰，還要管理寶可夢(mèng)的血量、對(duì)付野生寶可夢(mèng)和訓(xùn)練師。

• 雙子島迷宮（Seaform Island）

這是一個(gè)橫跨5層的3D迷宮，需要把巨石推過不同樓層的洞口，最終堵住特定的水流才能通過，是對(duì)空間推理能力的終極考驗(yàn)。不僅要在腦海中構(gòu)建整個(gè)迷宮的3D模型，還要規(guī)劃推石頭的路線，一步錯(cuò)就得重來。

有意思的是，Gemini在解決這個(gè)謎題時(shí)，還順帶發(fā)現(xiàn)了游戲代碼里的一個(gè)bug，這個(gè)可能是AI第一次發(fā)現(xiàn)游戲代碼的bug。

有網(wǎng)友詳細(xì)介紹了這個(gè)Bug的原理，在解決一半謎題后主動(dòng)重置再解決另一半，游戲開發(fā)者都沒想到這個(gè)操作，所以留下了這個(gè)Bug。

AI也有“強(qiáng)迫癥”和“思維定勢(shì)”

Gemini 2.5 Pro在游戲中暴露出的一些問題，也讓人哭笑不得。

• 幻覺問題：混淆不同游戲版本

在原版寶可夢(mèng)紅/藍(lán)中，玩家需要從自動(dòng)售貨機(jī)買飲料（淡水、汽水或檸檬水）給口渴的守衛(wèi)，才能通過關(guān)卡。但在火紅/葉綠重制版中，需要的是特殊的“茶”道具。問題是，Gemini玩的是原版，根本沒有茶這個(gè)道具，可AI就認(rèn)定了必須找到茶，結(jié)果花了好幾個(gè)小時(shí)滿世界找一個(gè)根本不存在的東西。

• 上下文中毒現(xiàn)象（Context Poisoning）

當(dāng)AI的目標(biāo)設(shè)定、游戲總結(jié)等多處都被錯(cuò)誤信息污染后，它會(huì)像被洗腦了一樣，明明做著毫無意義的事情卻堅(jiān)信自己是對(duì)的。比如這段AI推理階段的內(nèi)心戲“讓我試著穿過房子的入口，然后再出來，希望堵住入口的守衛(wèi)可能會(huì)移動(dòng)”，對(duì)于人類來說顯然是荒謬的。

• 思維定勢(shì)陷阱

當(dāng)目標(biāo)看起來近在咫尺時(shí)，AI往往會(huì)選擇直接沖過去，結(jié)果發(fā)現(xiàn)此路不通。比如在火箭隊(duì)基地的旋轉(zhuǎn)地板謎題中，寶物和樓梯都在南邊，必須繞一大圈才能到達(dá)。人類玩家可能會(huì)意識(shí)到”看起來近的路未必是對(duì)的”，但AI卻經(jīng)常在這種地方卡住。

為了減輕這些幻覺，在第二次通關(guān)的提示詞中明確要求AI扮演一個(gè)對(duì)游戲完全陌生的玩家，忽略對(duì)游戲中事件、物品位置等先驗(yàn)知識(shí)。雖然這個(gè)策略起作用了，讓AI不會(huì)混淆其他游戲版本的知識(shí)，但也阻礙了AI利用游戲常識(shí)過關(guān)的能力。

One More Thing

目前AI玩寶可夢(mèng)的直播項(xiàng)目還在繼續(xù)，并且Claude 4也加入了比賽，與Gemini 2.5 Pro同時(shí)開始，看兩個(gè)模型誰能先通關(guān)。

到現(xiàn)在，Gemini 2.5 Pro已經(jīng)先一步通關(guān)了，開始攻略下一款游戲《寶可夢(mèng)黃》原版的困難模式。

你認(rèn)為Claude 4 Opus最終能通關(guān)么？

論文地址：
https://storage.googleapis.com/deepmind-media/gemini/gemini_v2_5_report.pdf

在線圍觀：
https://www.twitch.tv/gemini_plays_pokemon
https://www.twitch.tv/claudeplayspokemon