50个AI智能体在《我的世界》建文明：首夜折损后陷入官僚内耗

一句话看懂：研究者把50个GPT-6.1 Sol智能体放进《我的世界》组建“文明”，三小时实验显示它们没走向繁荣，反而因谨慎和流程化决策陷入低效，这一表现被指与软件开发中的编程智能体相似。

事件核心：发生了什么

据Tom’s Hardware报道，ycombinator与Olam Labs的研究者用《我的世界》及其衍生玩法测试AI智能体群体协作，基于Mindcraft、Mineflayer等开源框架搭建实验。第一组测试让50个GPT-6.1 Sol智能体在三小时内建设“繁荣文明”。首夜僵尸造成大量智能体损失后，许多初始目标被放弃，群落转向保守生存，并出现明显官僚化倾向：四个智能体为一块小麦上的骨粉花费11分钟任命“唯一肥料操作员”。后续对抗测试中，10个GPT-6.1 Sol与10个Claude Opus 5.5在Bed Wars对战，GPT更激进、策略更复杂，Claude偏防守；在Mindustry的7局对战里，GPT方以6比1获胜。研究者称GPT更像蜂群式协同，Claude则有单一领导者并采用民主式决策。

为什么重要

多智能体系统正被用于编程、科研等真实任务，但群体规模扩大后，沟通成本、责任划分和故障处理会直接影响产出。这次实验提供了一个可观察的沙盒：智能体遇到工具缺陷时，GPT会诊断并分享变通方案，部分Claude则得出“无法破坏方块”的结论。这说明模型差异不只体现在能力分数，也体现在群体如何分工、纠错和维持目标。对评估AI智能体落地价值而言，这类群体行为测试比单任务跑分更接近真实协作场景。

对用户/开发者/创作者的影响

开发者可以把这类实验当作多智能体架构的对照参考：蜂群式协同在持续对抗中表现更稳定，但民主式决策未必没有价值，关键在任务类型。创作者若用智能体自动完成建造、内容生产或流程管理，需要预设目标优先级和故障上报机制，避免智能体把时间耗在程序性确认上。目前公开信息显示，这些实验基于特定模型版本和游戏任务，结果仅限于该测试条件，不能直接外推为模型能力的永久排名。相关代码已开源，开发者可自行复现和调参。