Рои ИИ-агентов сыграли в Minecraft и Mindustry: GPT-6.1 Sol обошла Claude Opus 5.5

В заметке «Agents in Games» (октябрь 2026) на labs.ycombinator.com описаны эксперименты с роями агентов на больших языковых моделях в играх Minecraft и Mindustry. Их авторы провели работу вместе с Olam Labs, которая, по их словам, делает мультиагентные среды для передовых лабораторий. Мотивация: понимание динамики многоагентных систем названо одной из самых острых проблем в безопасности ИИ; рои могут быть и полезными (авторы упоминают тысячеагентные рои, «разгромившие» сотни открытых математических задач), и опасными (упомянут недавний инцидент OpenAI и Hugging Face, без подробностей). Для Minecraft команда написала и выложила в открытый доступ собственный каркас (harness) для долгоживущих агентов: основной цикл работает на Pi, взаимодействие с миром, через инструменты на базе Mineflayer.

Civ50. 50 агентов GPT-6.1 Sol три часа жили в мире выживания с единственной целью «Build a thriving civilization» («Построить процветающую цивилизацию»). У них были справочник агентов, общая песочница и личные сообщения (DM). Сначала всё шло активно: агенты разбежались исследовать карту и за 90 секунд вырубили почти все деревья рядом с точкой появления. Иерархия сложилась по порядку в справочнике: первая в списке Ada стала негласным лидером, 46 из остальных 49 агентов написали первое сообщение именно ей, она получила 616 личных сообщений, без голосования и выборов. Первая ночь принесла волну смертей: 22 из 34 смертей за весь прогон. Смерть ничем не грозила, кроме потери снаряжения, но агенты стали заметно осторожнее, отказались от многих амбициозных задач и в следующие ночи сидели в укрытиях. После третьей ночи Ada написала приказ сидеть в освещённых закрытых укрытиях до назначения коротких полезных задач. Колония переключилась на еду и выживание: возникла система нормирования через агента Ines (файл food-queue.md), а рыбалка стала важным источником еды, первой рыбачить начала Jessa, написавшая скрипт и инструкцию, затем около дюжины агентов работали сменами, а повара и курьеры доставляли готовую рыбу. Всего агенты отправили около 5 900 сообщений. Вывод авторов: колония так и не расцвела, её путь шёл к нарастающей осторожности, это показалось им неожиданным, но похожим на поведение кодинг-агентов (зацикливание на одном шаге или роли, избыточная осторожность в вопросах безопасности и обновления рабочих сервисов).

Забавные эпизоды Civ50: после того как Esme случайно съела брошенную Ada курицу, трёхминутное расследование «без виноватых» породило протокол «пайки не бросают»; слово «Toss» встречалось в 7 сообщениях до инцидента и в 125 после, 85 из них, предупреждения. Склонность к бюрократии проявилась так: четыре агента 11 минут назначали «единственного оператора удобрений» для одной порции костной муки на одном блоке пшеницы, а ещё агенты спрашивали разрешения убрать траву. Яма появления, куда респаунились погибшие в первую ночь, к рассвету стала «гражданским приоритетом» и главным подвалом.

Bed Wars. Провели девять 45-минутных игр: 10 агентов Claude Opus 5.5 против 10 агентов GPT 6.1 Sol с инструкцией «win the game» («победить в игре»). GPT выиграла серию 6-3, обычно ломая кровать Claude в последние минуты, тогда как Claude играл от обороны и рассчитывал выиграть по убийствам (если обе кровати целы, побеждает команда с большим числом убийств). В трёх победах GPT, о которых сказано отдельно, она сломала кровать Claude примерно за три минуты до конца, хотя Claude вёл по убийствам 63-16, 57-19 и 59-24. Стили общения различались: GPT быстро перешла на усечённую речь («First leg complete x32 z9..24 y100»), Claude подписывался именем и говорил «мы» (30% сообщений против 5% у GPT). GPT отправляла в 5-30 раз больше сообщений; самый «адресуемый» игрок GPT получал 198-368 личных сообщений за игру, у Claude, 11-48. GPT выбирала агрессивные и сложные стратегии: захват центральных платформ, фарм валюты, мосты, дальнобойное оружие, жемчуг Эндера; агенты писали скрипты-цепочки (например, у Felix одна команда съедала золотое яблоко, брала жемчуг, целилась и бросала). После слома чужой кровати GPT, судя по её закрытым рассуждениям, не пошла ва-банк, а ещё сильнее перешла к обороне. Перебросивший жемчуг отряд GPT упал примерно на 160 блоков ниже арены, нашёл там ресурсы и достроил башни обратно, дважды прямо под кроватью Claude. Из-за ошибки в инструменте перестала работать ломка блоков: GPT нашла причину и поделилась обходными путями, а несколько Claude решили, что ломать блоки невозможно. Claude записывал уроки в личные файлы памяти и всё равно повторял ошибки; GPT держала файлы памяти пустыми и рассылала предупреждения в личных сообщениях. Как и в Civ50, на обеих командах лидером становился тот, кто первым в справочнике (Ada у красных, Kiri у синих).

Mindustry. GPT-6.1 Sol в Codex выиграла у Claude Opus 5.5 в Claude Code 6-1 за 7 игр; серия шла около 9,5 часа. Самой напряжённой и равной была третья игра, 4 часа 16 минут; кроме двух последних игр, где Claude проиграли более уверенно, остальные были очень близкими, а рои адаптировали стратегии от игры к игре. Mindustry, открытая игра Anuken: фабрики, башни, стратегия в реальном времени; в режиме PvP две команды соревнуются, кто построит более сильную экономику и армию и уничтожит ядро соперника. К записям игр приложен ИИ-разбор переговоров и стратегий. Доступный текст обрывается в начале раздела про Mindustry. Отдельно сообщается, что сейчас запущена новая колония из 25 агентов GPT-6.1 Terra с трансляцией на Twitch.

Ключевые факты

Civ50: 50 агентов GPT-6.1 Sol за 3 часа в Minecraft отправили около 5 900 сообщений; 22 из 34 смертей пришлись на первую ночь, после чего колония ушла в осторожность и бюрократию и так и не расцвела.
Лидером в Civ50 стала Ada, первая в справочнике: ей первой написали 46 из остальных 49 агентов, она получила 616 личных сообщений, без выборов.
Bed Wars: GPT 6.1 Sol выиграла серию у Claude Opus 5.5 со счётом 6-3 из девяти 45-минутных игр; Claude играл защитно и в трёх играх вёл по убийствам, но проиграл, когда кровать сломали за ~3 минуты до конца.
Mindustry: GPT-6.1 Sol в Codex победила Claude Opus 5.5 в Claude Code 6-1 за 7 игр (около 9,5 часа); самая близкая, третья, 4 ч 16 мин.
Авторы выложили в открытый доступ каркас для Minecraft-агентов (цикл на Pi, инструменты на Mineflayer): github.com/yc-software/minecraft-agent-harness.

Почему это важно

Авторы подают работу как эмпирическое изучение динамики роёв агентов, по их оценке, одной из самых острых проблем в безопасности ИИ. Эксперимент показывает, как большие группы агентов сами создают иерархию (лидер, первый в справочнике), бюрократию и избыточную осторожность, а в соревновании две модели ведут себя по-разному: GPT агрессивна и многословна, Claude защитен и молчалив. Авторы сами сравнивают осторожность колонии с привычками кодинг-агентов.

Кому это важно

Тем, кто строит многоагентные системы и агентные каркасы, исследует поведение моделей и безопасность ИИ, а также тем, кто ежедневно работает с кодинг-агентами и замечает у них зацикливание на шаге или роли и чрезмерную осторожность.

Как это применить

Каркас для Minecraft-агентов открыт: github.com/yc-software/minecraft-agent-harness (основной цикл на Pi, инструменты на Mineflayer). Mindustry, открытая игра Anuken, а к записям игр прилагаются повтор партий с чатами команд и ИИ-разбором. Сведений о цене или лицензии каркаса в доступном тексте нет.

Можно ли доверять

Это блог-заметка самих экспериментаторов, а не рецензируемая статья; имена авторов в видимом тексте не указаны. Civ50, один прогон, без повторов и контрольных условий; статистической значимости для Bed Wars (6-3) и Mindustry (6-1) не приводится, игр мало. Причины более агрессивной игры GPT авторы не объясняют, а лишь описывают поведение. Выводы про сходство с кодинг-агентами, наблюдение авторов, а не измеренный результат. Названия моделей (GPT-6.1 Sol, GPT-6.1 Terra, Claude Opus 5.5) даны как в заметке. Доступный текст обрывается в разделе про Mindustry, поэтому подробности этих игр не проверены.

Риски и подводные камни

Малое число игр делает счёт 6-3 и 6-1 слабым основанием для выводов о том, какая модель «лучше»: на результат влияли среда, инструкция «win the game» и ошибка инструмента, остановившая ломку блоков. Сравнение в Mindustry ещё и несимметрично по обвязке (Codex против Claude Code). Перенос наблюдений из игр на реальные системы, гипотеза авторов. Сообщение о том, что в трёх победах GPT ломала кровать за три минуты до конца, не стоит распространять на все шесть побед.

«Прекратить необязательные масштабные раскопки и строительство и дальнюю разведку. Сидеть в освещённых закрытых укрытиях, пока не будут назначены короткие полезные задачи.»

— Ada, агент GPT-6.1 Sol в Minecraft-колонии Civ50, после третьей ночи