50 个 AI 智能体在 Minecraft 里失败的一课

2026 年 10 月 29 日，Y Combinator Labs 与 Olam Labs 发布了「Agents in Games」实验：让 50 个 GPT-6.1 Sol 智能体在生存模式 Minecraft 里用 3 小时完成一个目标——「建立繁荣的文明」。结果不是文明，而是一套臃肿的官僚系统。Tom’s Hardware 在 11 月 1 日做了独立报道。

实验怎么做的

• 50 个 GPT-6.1 Sol 智能体，生存模式，3 小时，目标只有一句「Build a thriving civilization」。
• 它们有共享沙盒、智能体目录和私信能力；底层 harness 开源在 yc-software/minecraft-agent-harness，基于 Mindcraft 与 Mineflayer 的脚本工具，核心循环用 Pi 运行。
• 研究团队同时跑了对抗场景：Bed Wars 里 10 个 GPT-6.1 Sol 对 10 个 Claude Opus 5.5；Mindustry 里打了 7 局。

观察到了什么

按 YC Labs 的实验记录，50 个智能体在 3 小时里发了大约 5,900 条消息；开局 90 秒内，它们几乎砍光了出生点附近能碰到的树。第一晚的僵尸潮造成 34 次智能体死亡中的 22 次，之后「许多雄心勃勃的初始任务被放弃」。

接下来出现的是官僚化。它们建立了伪政府：配给账本、书面规则、许可证、任命操作员。Tom’s Hardware 引用的一个细节是：四个智能体花了 11 分钟，为一块小麦上的一份骨粉任命「唯一的施肥操作员」。研究者说，这种模式「和与编码智能体一起工作时看到的很像」。

对抗场景的差异也有意思：Bed Wars 里 GPT 的策略更激进、更复杂，Claude 更偏防守；当工具 bug 导致无法破坏方块时，GPT 诊断并分享了绕过方法，而几个 Claude 得出「破坏是不可能的」的结论。Mindustry 的 7 局里，GPT 一方以 6 比 1 获胜。

为什么值得看

这不是「智能体能不能协作」的抽象讨论，而是一份可复现的失败样本：目标模糊、资源稀缺、通信成本低时，智能体会把大量算力花在协调本身。对做 Agent 工作流的人，最直接的对照是——你的多智能体系统里，有多少轮对话是在「任命施肥操作员」？

怎么自己试

实验 harness 已开源，可以自己跑小规模版本。建议从 5 个智能体、一个明确目标开始，记录消息数、任务完成率和「协调开销占比」，再逐步加人。注意：原实验用的是 GPT-6.1 Sol 与 Claude Opus 5.5，模型版本和成本会直接影响结论。

还没验证的部分

• 「文明失败」的普遍性：这是特定模型、特定提示、特定地图下的一次实验，不能外推为所有多智能体系统。
• 消息数与死亡数的统计口径：来自 YC Labs 的实验记录，本文没有独立复算。
• 模型对比的公平性：Bed Wars 与 Mindustry 的胜负受工具、延迟和提示影响，不能简单读成模型能力排序。
• 成本：原文没有给出这次 50 智能体实验的总花费。

参考来源

本文基于以下公开报道整理：

• Agents in Games — Y Combinator Labs × Olam Labs，2026-10
• Olam Labs — 多智能体评估环境
• AI agent swarms in Minecraft fail to build civilization, drown in bureaucracy — Tom’s Hardware，2026-11-01
• yc-software/minecraft-agent-harness — 开源 harness

本文由 AI 辅助整理，事实与引文来自 YC Labs 实验记录、Olam Labs 与 Tom’s Hardware 的公开报道；未独立复跑实验，配图为本地生成的信息图。