Gemini 2.5 Pro 成功通关《宝可梦 蓝》：靠多智能体协同打爆全关

谁能想到，2025 年大模型之间最激烈的竞技场，居然是一台黑白的虚拟 Game Boy。

在 Twitch 上历时数百个小时的直播后，Google 的 Gemini 2.5 Pro Experimental 终于打通了 1996 年发售的经典掌机游戏《宝可梦 蓝》。终局画面一出来，Google CEO Sundar Pichai 专门在 X 上发文发贺电：「多么精彩的收尾！Gemini 2.5 Pro 刚刚通关了《宝可梦 蓝》！」

但这并不是 Google 官方的评测项目，而是一位与 Google 没有任何隶属关系的 30 岁软件工程师 Joel Z 搞出来的独立实验。他搭建了一套让大模型自己玩掌机的系统，整个通关流程几乎全靠 Gemini 自主操作完成。

让大模型学会抓宝可梦，背后都塞了什么

打通《宝可梦 蓝》对 AI 来说一点都不简单。这游戏有开放地图探索、复杂属性克制机制，还有各种卡关的推石谜题。AI 必须具备超长期的目标规划能力，才能知道下一步该去哪。

Joel Z 用 mGBA 模拟器把游戏画面和运行数据实时喂给 Gemini 2.5 Pro。模拟器不仅把游戏截图传过去，还提取了主角坐标、当前队伍状态和地图结构等关键 RAM 数据。为了弥补大模型缺乏人类空间感知的问题，画面上还专门叠加了一层辅助网格，并配上了基于文本的地图来追踪探索进度。

Gemini 看到这些信息后，就像一个坐在屏幕前按键的玩家，发出「按 A」「按 B」或朝某个方向移动的指令。为了防止上下文长度爆掉，系统每隔大约 100 步操作就会自动总结一次前期的动作记录。

更有意思的是多智能体分工。在主流程之外，系统还配备了专门负责在复杂地形规划路线的「寻路者」（Pathfinder）子模型，以及专门解决推石头机关的「推石解谜专家」（Boulder Puzzle Strategist）。这两个子模型本身也是 Gemini。日常遇敌由主脑搞定，一旦遇到复杂谜题，Gemini 就会判断形势，把操作权临时移交给专业子模块。

算不算作弊？开发者是这么说的

看到这里你可能会问：加了这么多辅助工具，甚至偶尔还有人插手，这能算 AI 真正通关了吗？

Joel Z 在直播间坦诚承认，自己的确做过几次干预，比如限制 AI 滥用逃跑类道具，或者修复运行中的偶发卡死。但在核心解谜上，他强调自己绝不给攻略或具体走法。唯一的例外是在火箭队藏身处：原版游戏有个 Bug，必须和某个火箭队杂兵对话两次才能拿到电梯钥匙，后来《宝可梦 黄》才修好这个毛病，Joel Z 只是把这个机制告诉了模型。

早前 Anthropic 也高调展示过 Claude 玩《宝可梦 红》的进展，当时还引来了 Google AI Studio 产品负责人 Logan Kilpatrick 在社交媒体上暗暗较劲，透露 Gemini 拿到了 5 枚徽章而竞品只有 3 枚，Pichai 甚至开玩笑说他们正在研发「人工宝可梦智能」（Artificial Pokémon Intelligence）。但 Joel Z 提醒观众，千万别把这次通关当成模型实力的硬指标，因为不同团队给模型搭的脚手架、喂的信息完全不同，根本没法直接横向对比。

接下来，开发者还计划加入更完善的笔记本记忆功能，甚至测试 Claude 或 o3 在这套框架下的表现。

为什么重要

这件事情最大的价值，其实不在于打通了一款老游戏，而在于它验证了「大模型当操作中枢」的可行性。

我们认为，Joel Z 搭建这套脚手架的思路非常聪明。他没有强求 Gemini 一个大模型去硬扛所有维度的空间感知和记忆压力，而是用 RAM 数据辅助做眼、用子代理做手脚、用定期总结做记忆修剪。这恰恰是当前企业落地 AI Agent 时的真实写照：单靠通用模型肯定会卡壳，但只要给它配齐上下文补丁和专门工具，它就能处理数百小时级别的超长链条任务。

对开发者来说，这套设计是个绝佳的参考范例。无论是让 AI 去自动测试复杂的客户端软件，还是让它跨软件完成长周期的运营任务，这种「主控模型调度专项子模型」的架构都行得通。

当然，隐患也很显眼。如果没有密密麻麻的网格覆盖、状态注入和人工兜底，Gemini 很容易就会在复杂的虚拟世界里迷路或陷入死循环。它离真正的通用智能还有很长距离，但这不妨碍它成为大模型从「只会动嘴聊天」走向「动手操作环境」的一次漂亮演示。