2026 年 11 月 2 日，Y Combinator 与 Olam Labs 的人工智能研究人员公开了在《我的世界》里的智能体集群测试结果。研究把上百个智能体放进协作与对抗两类玩法，用游戏内生的冲突与配合去观察现实世界里那些引发关注的智能体集群现象，代码依托 Mindcraft 仓库与 Mineflayer 脚本工具，并已开源供复现。
50 个智能体的三小时
协作测试名叫 Civ50，安排 50 个 GPT-6.1 Sol 智能体在三小时内搭建繁荣的文明群落，这一轮没有调用 Claude 系列。结论并不乐观：群落始终没能真正壮大。第一个夜晚大量智能体被僵尸击杀，许多最初定下的宏大任务被搁置，之后只能小心维持生存。研究还记录到近似官僚化的行为倾向，四个智能体花了 11 分钟专门任命一名唯一肥料操作员，而任务只是为一块小麦田使用一份骨粉。研究者称这类集群模式与他们此前在编程智能体项目中观察到的现象相似。
对抗测试选的是起床战争这类团队 PvP 玩法，10 个 GPT-6.1 Sol 对阵 10 个 Claude Opus 5.5。记录显示 GPT 智能体构思的进攻策略更激进复杂，Claude 智能体偏防守。方块破坏工具出故障时，GPT 一侧完成了诊断并共享临时解决办法，多名 Claude 智能体则直接判定无法执行破坏操作。最后在轻量化塔防模组 Mindustry 里打七局，GPT 智能体以六胜一负收场。研究者把两者概括为蜂群与单一领导者两种形态，认为 Mindustry 场景下蜂群模式更容易形成稳定取胜的策略。
为什么用游戏做沙盒
用游戏环境测试智能体集群的价值，在于它把协作与冲突都压缩成可观测、可复盘的短周期实验，比真实业务场景更容易找到失效点。类似的思路也出现在其他沙盒化评测上，例如 4 个 Gemini 4 Argon 智能体 27 小时通关《我的世界》 那条路线。同一个游戏里跑不同规模与不同模型组合，可能成为后续研究的主要变量。
延伸阅读
- Anthropic 发 Claude Sonnet 5.5：对半价，速度快 30%1 月前
- 美议员提交最严AI监管法案：前沿模型禁止自我进化，违规可判危害人类罪1 月前
- OpenAI 断供 Cursor：马斯克收购两个月后，11月12日掐断模型供应2 月前
- OpenAI 联合 PerturbAI 用 2000 个智能体 32 分钟解析小鼠全脑图谱2 周前
继续读
同一批更新里这几篇值得一看：
- 卡帕西两小时复刻 YouTube：6454 个 HN 推荐视频成站2026-11-02
- 英伟达开源 Auto Ontology：9 个只读 MCP 工具护住智能体 SQL2026-11-02
- OpenAI 下调融资目标至 200 亿美元：已筹 110 亿2026-11-02