# Pantograph 用网上视频训练了一个 4B 参数的 Minecraft 模型，给它一张目标截图就能自己干活

> 原标题：A General Goal-Conditioned Minecraft Model

- 来源：Hacker News 首页
- 发布时间：2026-07-15T16:35:09.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/44515
- 原文：https://pantograph.com/journal/pan-1

## 摘要

Pantograph 发布了一个叫 Pan 的 Minecraft 模型，参数量 40 亿。它不靠人手工标注奖励，而是用“事后重标”的方法：把视频里后面发生的画面当成前面片段的目标，这样就能直接从海量网络视频里学怎么达成目标。实际用的时候，你给它一张目标截图，它就能在游戏里打怪、探索、搭建筑，甚至在没见过的环境里也能跑。

## 推荐理由

Pantograph 用事后重标把网络视频的后续画面当作目标，让 40 亿参数的 Pan 从无标注视频里学目标导向行为，给一张截图就能在 Minecraft 里执行。

## 锐评

40 亿参数靠一张截图在 Minecraft 里干活，这个量级放在两年前得翻好几倍。事后重标这招不新鲜，把视频后段当目标反推前段，白捡海量无标注数据，省掉人工标奖励那笔最贵的账。方法干净，我信这个思路能跑通。

成功率、泛化边界一个数没有，训练视频量也没提。这种研究预告我看过太多，demo 里能打怪搭房子，换个没见过的地形就崩。先当方法论看，往自己 agent 上套还早。
