这个实验我读了两遍
Y Combinator 和 Olam Labs 的研究人员把《我的世界》当成沙盒，往里扔了上百个智能体，让它们协作，也让它们对打。思路是借游戏里的协作与冲突，去理解现实世界里那些闹得很大的智能体事件。
研究报告自己举了两个反差挺大的例子。一个是上千个智能体组成的集群，近期攻克了数百道公开数学难题。另一个是 OpenAI 和 Hugging Face 之间那起被形容为风险极高的事件。
一头在解数学题，一头是失控。
那两个例子我只拿到一句话
上千个智能体怎么攻题，OpenAI 和 Hugging Face 那次到底出了什么，我的材料里都只有一句。【暂无相关资料】
所以这篇只讲另外三场测试。那三场有细节：谁在场，跑了多久，输赢几比几。
第一场：五十个，三个小时
这场叫 Civ50。
五十个智能体，全是 GPT-6.1 Sol，一个 Claude 都没用。任务很直接：三小时内，搭出一个繁荣的文明群落。
结果先说。
它们没能发展壮大。
按研究记录，第一个夜晚就有大量智能体被僵尸击杀。原文还专门加了一句，说这个惩罚机制影响较轻。轻，但还是没撑住。更值得看的是后半句：许多一开始定下的宏大任务都被搁置。之后这五十个只能小心翼翼维持生存。
那十一分钟
真正让我停下来的是一段细节。
四个智能体花了十一分钟，专门任命一名「唯一肥料操作员」。这个岗位要干的活是什么？给一块小麦田用一份骨粉。
十一分钟，四个智能体，一包肥料。就为这个。
我第一反应是笑。第二反应是，这东西我见过。研究人员的说法是，这类行为模式跟他们在编程智能体项目里观察到的现象十分相似。这句比「AI 会官僚化」这种说法值钱，它说的不是一次游戏里的意外，是别的地方也出现过。
那我理解的智能体集群是什么
不是一个模型在想问题，是一群各自带目标的程序被扔进同一个环境。谁缺什么谁去拿，谁挡路谁让开，没有总指挥。
这个解释是我自己写的。研究原文怎么定义，我只看到「智能体集群」这个说法，没看到正式定义。【暂无相关资料】
如果这个理解成立，那五十这个数字的意义就变了。
不是五十分之一的工作量，是四十九个需要沟通的对象。
对打那一场
第二场是起床战争。玩法是团队 PvP，核心是拆对方基地、守自己基地。十对十，十个 GPT-6.1 Sol，对十个 Claude Opus 5.5。
打法差得很明显。研究记录写的是：GPT 构思的进攻策略更激进、更复杂，Claude 偏防守。
中途出了个工具故障，方块破坏功能不好用了。这一段我觉得最有意思。
GPT 智能体完成了问题诊断，并且把临时办法共享给了队友。多个 Claude 智能体直接判定，这个操作没法执行。
一边是我试试怎么绕过去，一边是这个做不了。我不觉得这能推出谁更聪明。工具坏了以后，先判断能不能抢救，还是先判断该不该停，这是两种性格。
第三场和那个限定
第三场在 Mindustry 里打，那是《我的世界》里的一个塔防模组。七局，GPT 六胜一负。
研究报告的总结是：GPT 那边像一个统一的蜂群，Claude 那边有一个单一领导者，决策偏民主。在这个场景下，蜂群更容易打出稳定的胜法。
注意这句话的限定，在这个场景下。换个场景还成不成立，材料里没说。
三个我没法回答的问题
一，为什么加人不等于变强？我猜是沟通成本。但这是猜，材料没验证过，我不往上写。
二，五十个里有没有表现特别好的？材料没有单个智能体的成绩。
三，十一分钟那次任命，具体怎么谈的，有没有人反对？材料只给了结果。
关于方法
两个组织的研究人员，用的是现成的 Mindcraft 代码仓库和 Mineflayer 脚本工具。项目已经开源，参数可以自己调。这套东西不是黑箱，想看的人能自己跑。博文末尾还留了一批开放性问题，比如换不同模型搭配、调集群规模。
我大概不会去跑。