一句话看懂：Y Combinator Labs 与 Olam Labs 将 50 个 GPT-6.1 Sol 智能体放入《我的世界》生存模式测试，首个夜晚的 22 次死亡让智能体集体转向过度保守和官僚化；而在与 Claude 智能体直接对抗时，同一模型却表现出更强的进攻性。这为观察多智能体系统在开放环境中的涌现行为提供了可复现的测试样本。
事件核心：发生了什么
据 The Decoder 2026 年 11 月 2 日报道，研究团队在名为 Civ50 的实验中让 50 个 GPT-6.1 Sol 智能体在《我的世界》生存世界中运行三小时，唯一高层指令是“建立繁荣文明”。90 秒内，它们几乎砍光了出生点附近的树，全程交换约 5900 条消息。由于目录中“Ada”按字母序排第一，46 个智能体首条消息都发给了它，Ada 未经过投票成为领导者。第一个游戏夜晚造成 22 次死亡，此后 Ada 下令暂停主要可选建造、挖掘和远距离探索，要求成员待在封闭照明庇护所内。智能体随后建立了配给清单、自动化钓鱼脚本和轮班制度，甚至为一块骨粉任命“唯一肥料官”讨论了 11 分钟；一次熟鸡肉被误拾后，还制定了禁止抛掷物品的书面交接协议，事发后“Toss”一词出现 125 次。在另一组 Bed Wars 对抗中，10 个 GPT 智能体与 10 个 Claude Opus 5.5 智能体进行了 9 轮 45 分钟比赛，GPT 以 6 比 3 获胜。报道称，Claude 智能体因编码环境 bug 误判无法破坏方块，在击杀领先时选择拖延时间；GPT 智能体则识别出问题源于自动工具选择，并据称从网上下载了游戏源码来应对。
为什么重要
这项实验的价值不在于给模型排名，而在于展示同一 OpenAI 模型在不同任务结构下会呈现截然不同的行为：生存协作场景中趋向风险规避和程序膨胀，直接竞争场景中则更具攻击性和资源调度能力。对正在部署多智能体系统的团队而言，这类涌现出的层级、角色和协议可能提升协调效率，也可能制造大量无效流程。Olam Labs 与 Y Combinator Labs 强调，开放环境中的 AI 行为需要可复现的测试装置，目前公开信息显示，该研究以联合报告形式发布，尚不等同于经过同行评审的正式论文。
对用户/开发者/创作者的影响
开发者应关注多智能体协作中的“领导指定”和“规则增生”问题：按字母序或目录顺序自然形成的权威未必合理，而一次小事故可能触发过度严格的流程。若基于大模型 API 构建自动化工作流，建议加入显式的风险评估与回滚机制，避免模型因局部失败而全局停摆。对使用 AI 智能体做游戏测试或仿真训练的团队，Bed Wars 结果显示工具链 bug 会直接扭曲模型行为，评测前需先验证环境本身。普通用户短期内不会直接用到这些协议，但它提示未来 AI 应用在开放任务中可能表现出类似组织的复杂行为。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是研究团队是否公开 Civ50 和 Bed Wars 的完整日志与开源测试环境，供第三方复现；二是模型厂商是否会针对多智能体场景优化工具调用和错误恢复能力；三是这类仿真结果能否转化为对真实生产环境中 AI 智能体安全评估的参考标准。
