谷歌再次创造历史：Gemini 2.5 Pro 通关《宝可梦：蓝》！

　　人工智能宝可梦终于实现了！谷歌Gemini 2.5 Pro 模型，刚刚成功通关了经典游戏《宝可梦：蓝》

　　谷歌CEO桑达尔·皮查伊 (Sundar Pichai) 和 DeepMind 负责人戴密斯·哈萨比斯 (Demis Hassabis) 都发文祝贺，感谢了运行这个直播实验的工程师 Joel Z

　　这事儿怎么来的？

　　首先得介绍下 Joel Z，他是一位30岁的软件工程师，跟谷歌没直接关系。他搞这个实验，是因为 Gemini 2.5 Pro 出了个实验版，大家就好奇它玩游戏怎么样。于是，就有了这个 "Gemini Plays Pokémon" 直播

　　这个项目受到了另一个类似项目 "ClaudePlaysPokemon" 的启发。不过 Joel Z 选择了《宝可梦：蓝》，一是因为 Claude 已经在玩《红》了，二是因为《蓝》是他自己玩的第一款宝可梦

　　Gemini 是怎么玩游戏的？

　　这才是重点。这个项目不是简单地让 AI 瞎点，而是构建了一套自主决策系统：

　　连接游戏：代码通过 Socket 连接到 mGBA 模拟器，能实时截图、发送按键指令（A、B、上、下等），还能读取游戏内存数据，比如玩家位置、宝可梦状态、地图信息等

　　AI 决策：系统把带网格线的游戏截图，加上从内存提取的游戏状态信息，发给 Gemini 2.5 Pro。Gemini 分析这些信息，决定下一步操作

　　专业“外援”：有时候，Gemini 会把特定任务交给专门的“智能体”（Agent）来处理，以提高效率和可靠性

　　执行与循环：系统解析 AI 的指令，转换成具体的按键，发送给模拟器，等游戏画面更新，然后重复这个过程

　　它和 Claude 玩宝可梦有啥不同？

　　Joel Z 特别强调，不要把这看作是 LLM 玩宝可梦的基准测试。两者有很多不同：

　　导航方式：Claude 有个自动导航工具。Gemini 没有，它需要自主决定目的地，然后要么自己规划路线，要么调用一个路径规划智能体（Pathfinder Agent，其实是另一个 Gemini 实例）来寻找最优路径。这个智能体能独立思考，甚至用 BFS（广度优先搜索）这类算法来规划

　　信息获取：两者接收到的游戏信息和使用的工具不同

　　思维模式：每个模型思考方式不同，各有擅长

　　所以，别直接比较谁“更强”，不如都看看，感受下不同 AI 的“思路”。Joel Z 也坦言，他觉得 Claude 的框架有些不足，想看看给 Gemini 配上合适的工具后能走多远

　　关于“作弊”的讨论

　　直播过程中，有观众注意到 Joel Z 会进行一些干预，还有那个小地图，这算不算“作弊”？

　　开发者干预：Joel Z 解释说，这不是作弊。项目还在开发阶段，他的干预是为了改进 Gemini 的通用决策和推理能力，而不是给具体关卡的提示（比如没告诉它怎么过月见山）。唯一接近“提示”的是，告知 Gemini 需要和某个火箭队员对话两次才能拿到电梯钥匙，这其实是原版游戏的一个小“坑”，在后续版本修复了。他提到，Claude 项目在直播前也做过类似的幕后优化，Gemini 只是把这个开发过程公开了

　　小地图：游戏界面上方那个小地图，是 Gemini 探索区域的可视化。Gemini 本身看不到图像，只接收文本形式的地图信息。Joel Z 认为，人类玩游戏会自然形成心理地图，目前的 LLM 还做不到，小地图是为了弥补这个能力缺陷，并非作弊

　　限制 Escape Rope / Dig：Gemini 只有在低血量且没有治疗道具时才能使用“穿洞绳”或“挖洞”。这是因为 LLM 还不太擅长判断自己是真卡关了，还是暂时迷路。这个限制强制 Gemini 更多依赖地图记忆和路径规划**，能更清晰地展示其推理过程，避免一遇到困难就“抄近道”

　　特色“智能体”

　　除了核心的 Gemini 模型，系统还引入了两个专门的 LLM 智能体：

　　1.路径规划智能体 (Pathfinder Agent):如前所述，负责复杂区域（如火箭队基地的旋转地板迷宫）和一般场景的寻路

　　2.推箱子策略师 (Boulder Puzzle Strategist, BPS):专门为“冠军之路”的推箱子谜题设计。它能模拟推箱子的序列，找出有效的解法，提高了 Gemini 应对这类挑战的可靠性

　　内存管理

　　为了控制输入给模型的 Token 数量，系统大约每 100 次操作就会对消息进行一次总结，用总结替换掉原始消息。

　　未来计划（暂定）

　　Joel Z 的想法还包括：

　　• 改进内存管理机制

　　• 让 Gemini 能记笔记，记录重要信息

　　• 给 Gemini 提供更丰富的游戏状态信息（进行中）

　　• 探索让观众在不剧透的前提下与 Gemini 互动的方式

　　• 等框架稳定后，进行一次完全无干预的通关尝试

　　• 尝试用其他 LLM（如 Claude 或 o3）进行对比实验

　　参考：

　　https://www.twitch.tv/gemini_plays_pokemon