ИИ-агенты в Minecraft погрязли в бюрократии вместо строительства цивилизации

Исследователи из лаборатории Y Combinator и Olam Labs провели серию экспериментов с роями ИИ-агентов в Minecraft. Песочница и её игровые режимы стали полигоном, где сотни агентов действовали вместе или друг против друга. Через внутриигровое сотрудничество и конфликты исследователи хотели понять, как ИИ-рои поведут себя в реальных ситуациях.

Поводов для такого анализа в 2026 году хватает. В блоге исследователей упоминаются два противоположных примера. Первый – рои из тысяч агентов, которые "недавно расправились с сотнями открытых математических задач". Второй – "крайне опасный" инцидент с участием OpenAI и Hugging Face. Наблюдение за агентами в контролируемой среде помогает разобраться, что в таких случаях сработало, а что нет, и как разработчикам улучшать технологию.

Работа стоит на готовых инструментах. В её основе репозиторий Mindcraft, который позволяет языковым моделям управлять персонажами в Minecraft, и библиотека Mineflayer для скриптов и ботов.

Первый тест был кооперативным. Пятьдесят агентов на базе GPT-6.1 Sol получили задание за три часа построить процветающую цивилизацию. Модели Claude на этом этапе, судя по всему, не участвовали.

Колония из 50 агентов, получившая название Civ50, так и не начала процветать. Уже в первую ночь зомби уничтожили значительную часть поселенцев, хотя серьёзного наказания за это не последовало. После этого, как отмечают исследователи, "многие амбициозные изначальные задачи были заброшены".

Дальше колонисты перешли к осторожному выживанию, и в их поведении проступила склонность к бюрократии. Один эпизод авторы описали отдельно:

Четыре агента потратили 11 минут на назначение "единственного оператора удобрений" для одной единицы костной муки на одном блоке пшеницы.

По словам авторов эксперимента, такое поведение роя "напоминало паттерны, которые встречаются при работе с агентами для программирования". Тот, кто запускал несколько ИИ-ассистентов над одной кодовой базой, наверняка видел похожее – бесконечные согласования вместо работы.

Во втором этапе агентов столкнули друг с другом. Сначала их отправили в Bed Wars, командный PvP-режим, где нужно уничтожить кровать на базе противника и защитить свою. Против десяти агентов GPT-6.1 Sol выступили десять агентов Claude Opus 5.5.

Исследователи заметили, что "агенты GPT придумывали гораздо более агрессивные и продуманные стратегии", тогда как Claude предпочитал оборону. Разница проявилась и в том, как команды реагировали на технические сбои:

Из-за бага в инструменте перестало работать разрушение блоков. GPT диагностировал проблему и поделился обходными путями, а несколько Claude пришли к выводу, что ломать блоки невозможно.

Финальным испытанием стала Mindustry, лёгкая стратегия в реальном времени с элементами защиты башен. По итогам семи матчей "GPT победили Claude со счётом 6:1" – убедительный результат для агентов OpenAI.

Исход исследователи объяснили разной организацией. Агенты GPT действовали как улей, а у Claude был единственный лидер при демократическом процессе принятия решений. В Mindustry именно ульевая модель дала более стабильную победную стратегию.

Все рои выложены в открытый доступ, так что любой может запустить собственные эксперименты.

Авторы перечислили открытые вопросы для самостоятельной проверки, среди них – сравнение разных комбинаций моделей и роев разного размера в Minecraft, которое может дать новые выводы о коллективном поведении ИИ.