Рои ИИ-агентов испытали в Minecraft и Mindustry

Y Combinator совместно с Olam Labs провёл серию экспериментов с мультиагентными системами в Minecraft и Mindustry. Целью было наблюдать, как десятки агентов распределяют роли, выстраивают иерархии и координируются в долгих совместных задачах. Для Minecraft команда открыла собственный harness на основе Mineflayer: агенты могли наблюдать мир, рассуждать, вести заметки, писать сценарии, выполнять действия и обмениваться личными сообщениями. В эксперименте Civ50 пятьдесят агентов GPT-6.1 Sol в течение трёх часов должны были построить процветающую цивилизацию. Вместо этого они в основном боролись с нехваткой еды и опасностями ночи. За первые 90 секунд они вырубили почти все доступные у точки появления деревья. Из 34 смертей 22 произошли в первую ночь, после чего агенты стали заметно осторожнее и чаще оставались в укрытиях. Агенты отправили около 5900 сообщений и создали подобие администрации: журнал пайков, письменные правила, разрешения и назначаемых операторов. Ада, первой стоявшая в справочнике, стала фактическим лидером без выборов: 46 остальных агентов первым сообщением обратились именно к ней. Инес вела учёт еды, рыбаки работали посменно, повара готовили улов, а курьеры доставляли порции. После случайной передачи курицы не тому получателю появился протокол выдачи через именные сундуки. В девяти матчах Bed Wars команды по десять Claude Opus 5.5 и GPT-6.1 Sol получили задачу победить. GPT выиграл серию 6:3, чаще действовал агрессивнее и отправлял в 5–30 раз больше сообщений. Claude предпочитал оборону и надеялся победить по числу уничтожений, но проигрывал, если соперник разрушал его кровать в конце матча. В семи играх Mindustry GPT-6.1 Sol в Codex победил Claude Opus 5.5 в Claude Code со счётом 6:1. Серия заняла около 9,5 часа. У Claude сохранялись единый лидер и голосования через «+1», а GPT чаще распределял ответственность, использовал сжатый язык и при неясностях изучал открытый исходный код игры. Со временем роли обеих команд закреплялись. Среды Multi-Agent Mindustry и Multi-Agent Harbor выложены в открытом доступе. Авторы отдельно отмечают, что это наблюдения за конкретными запусками; влияние состава моделей, размера роя, начальных инструкций и схемы общения остаётся предметом дальнейших экспериментов.