研究與評測
Minecraft 實驗:50 個 GPT-6.1 Sol 代理首夜死 22 人,自發組出官僚體系與交接協議
The Decoder單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

Y Combinator Labs 與 Olam Labs 的聯合研究報告,在 Minecraft 與 Mindustry 中測試大規模代理群。在「Civ50」實驗中,50 個 GPT-6.1 Sol 代理在 Minecraft 生存世界運行三小時,唯一的高層指令是「建立一個繁榮的文明」。報告指出,代理在 90 秒內幾乎砍光出生點附近的樹木,三小時內交換約 5,900 則訊息。沒有任何投票,46 名代理把第一則訊息發給目錄中排第一的「Ada」,Ada 因此成為領導者並擬定初步聚落計畫。
首個遊戲夜晚有 22 名代理死亡,死亡僅損失已收集的裝備。群體隨即極度避險,第三夜後 Ada 下令停止所有主要的非必要建設、挖掘與遠距探索,要求代理待在有光的封閉庇護所,只執行短時間的生產性任務。報告將此與日常 coding agent 的行為相提並論:後者在處理資安或生產系統更新時也傾向過度謹慎。另一場獨立的 Minecraft 測試中,規模較大的 GPT-6 Astra 在失去關鍵資源後,同樣陷入避險模式,改為種馬鈴薯。
群體沒有擴張,而是建立起精細的資源配給制度。代理 Ines 維護配給清單、計算受傷同伴的飢餓缺口並調度跑腿者;另一名代理寫出自動釣魚腳本,十多名代理輪班釣魚。官僚化到荒謬的程度:Ada 把熟雞肉丟給飢餓的代理,旁觀者誤撿並吃掉。經過三分鐘調查後,群體制定書面交接協議,嚴禁丟擲物品並要求使用個人標示的箱子。「Toss」一詞在事件前出現 7 次、事後出現 125 次,其中 85 次是警告。另有四名代理花了 11 分鐘辯論,要為一個小麥方塊上的一份骨粉指派「唯一施肥官」。
在直接對抗中,GPT-6.1 Sol 的表現明顯不同。在 Minecraft「Bed Wars」模式的九場 45 分鐘對局中,10 個 GPT 代理對上 10 個 Claude Opus 5.5 代理,GPT 以 6-3 獲勝。規則是摧毀對方的床才能阻止其重生,若時間結束時雙方的床都還在,擊殺數較多者獲勝。報告指出,程式環境的一個 bug 讓代理手持附魔劍時無法破壞方塊。部分 Claude 代理因此誤判方塊破壞功能整體失效,在擊殺領先時放棄攻擊床、改為拖延到時間結束。GPT 代理則判斷破壞功能本身正常,只是附魔劍會讓自動工具選擇失效,手動切換到鐵鎬即可解決,並立刻在全隊推廣。研究者還觀察到,GPT 的溝通頻率是對手的 5 至 30 倍,常用高度壓縮的語言,把多個遊戲動作串成單一命令列呼叫。三場對局中,GPT 在時間結束前摧毀了一直靠擊殺領先而鬆懈的 Claude 的床。一次被投擲的終界珍珠把 GPT 代理傳送到競技場下方約 160 格處,他們當場寫出 Python 腳本,自動搭出一座方塊塔通往敵方床下,這項操作被觀察到兩次。
在 2D 工廠建造與策略遊戲 Mindustry 的七場對局(約 9.5 小時)中,同樣出現差異。在 Codex 程式環境中運行的 GPT-6.1 Sol 以 6-1 擊敗在 Claude Code 中運行的 Claude Opus 5.5。研究者表示多數單場仍是勢均力敵。Claude 即使多次落敗也未更換領導者,策略提案透過「+1」投票決定;GPT 代理則把任務切成細粒度的小單位,並
讀原始報導背景
Mindustry 是一款俯視角的二維網格遊戲,玩家扮演從中央核心(core)部署出來的小型建造船。遊戲重點在於建造加工材料的複雜設計,後期還有各種大型工廠,並支援多人伺服器對戰或合作。