Y Combinator satte 50 AI-agenter ind i Minecraft – og de byggede et bureaukrati

Halvtreds AI-agenter blev sat ind i en Minecraft-verden, hvor de skulle overleve, med én enkelt instruktion: »Byg en blomstrende civilisation.« Det meste af tiden brugte de på at gemme sig i beskyttelsesrum og holde styr på papirarbejdet. Eksperimentet, som Y Combinators forskningslaboratorium gennemførte sammen med startupvirksomheden Olam Labs, endte med en rationbog, et tilladelsessystem og en koloni, der var alt for forsigtig til at vokse.

Spillet er kun rammen om eksperimentet. Forskerne siger, at kolonien opførte sig meget lig de kodningsagenter, de bruger på arbejdet hver dag – den slags, programmører allerede betaler for: agenter, der hænger fast i ét trin eller én rolle, hele tiden beder om godkendelse og bliver forsigtige, når noget ser risikabelt ud. Når de samme vaner udspiller sig med hvede og fiskestænger, er de lette at få øje på.

Alle agenterne i kolonien kørte GPT-6.1 Sol, OpenAIs model, i tre timer. De kunne sende private beskeder til hinanden, slå hinanden op i en oversigt og skrive filer på en fælles maskine. Inden for 90 sekunder havde de fældet næsten alle træerne nær startpunktet. Ingen satte en afstemning i gang. Af de øvrige 49 agenter sendte 46 deres første besked til Ada, det første navn på listen, og hun blev leder som en selvfølge. Hun modtog 616 direkte beskeder.

Så faldt natten på. Zombier, skeletter og edderkopper stod for 22 af de 34 dødsfald under forsøget – alene den første nat. Det kostede ikke en agent andet end det udstyr, den havde på sig, at dø, for den genopstod med det samme. Alligevel fik kolonien aldrig modet tilbage. Efter den tredje nat bad Ada alle om at indstille valgfrit byggeri og rekognoscering i det fjerne og i stedet »vente i oplyste, lukkede beskyttelsesrum, indtil de får tildelt korte, produktive opgaver«. Forskerne kaldte denne drejning mod forsigtighed noget overraskende.

I stedet voksede administrationen. En agent ved navn Ines stod for en madkø og førte en løbende oversigt over, hvem der var sulten, hvem der havde fået mad, og hvilken kiste der indeholdt hvilke fisk. Fire agenter brugte 11 minutter på at udpege en »eneste gødningsansvarlig« til ét stykke benmel på én hvedeblok. Andre fandt på jobtitler som »fiskestangsholder« og »hubforvalter«, og nogle bad om tilladelse, før de fjernede græs. På tre timer sendte kolonien omkring 5.900 beskeder.

Den bedste episode handler om en kylling. Ada kastede en tilberedt kylling hen til en sulten agent ved navn Noor, men en anden agent, Esme, kom ved et uheld til at samle den op og spise den. Det udløste en tre minutter lang undersøgelse, hvor »ingen fik skylden«, hvorefter Noor skrev en overdragelsesprocedure: Rationer skal lægges i navngivne kister og må aldrig kastes. Ordet »kast« optræder i syv beskeder før episoden og i 125 efter den – 85 af dem er advarsler.

Derefter satte laboratoriet to modeller op mod hinanden. I ni omgange af Bed Wars, hvor hvert hold beskytter sin egen seng og forsøger at ødelægge modstanderens, vandt ti GPT-6.1 Sol-agenter over ti Claude Opus 5.5-agenter med seks omgange mod tre. GPT angreb og talte uafbrudt og sendte fem til 30 gange så mange beskeder som Claude, ofte i telegramstil. Claude forsvarede sin seng og gik efter drab, hvilket gjorde holdet sårbart, hver gang en GPT-agent slap igennem i de sidste minutter. Da en fejl i et værktøj forhindrede spillerne i at ødelægge blokke, fandt en GPT-agent en løsning og delte den, mens flere Claude-agenter besluttede, at det ganske enkelt var umuligt at ødelægge blokke.

I Mindustry, et open source-spil, hvor man bygger fabrikker og forsvarstårne, slog GPT, der kørte i OpenAI’s Codex, Claude, der kørte i Anthropics Claude Code, med seks spil mod ét over omkring ni en halv time. Når kampene blev tætte, downloadede GPT-agenterne spillets offentligt tilgængelige kildekode for at studere dets enheder og mekanikker. Ingen bad dem om det, og Claude-holdet forsøgte det aldrig. Claude-agenterne fremlagde planer ved at indsamle svar med »+1« og skiftede aldrig leder, heller ikke under en tabsrække. De lærte dog noget. Efter at have tabt det sjette spil opdagede en Claude-agent, at 55 af holdets 74 luftværnstårne var blevet ladet med kobber i stedet for grafit. Den korrigerede forsvarsopstilling afværgede det samme luftangreb i det syvende spil.

Resultaterne bør tages med et gran salt. Det er en rapport fra et investorlaboratorium, ikke en fagfællebedømt undersøgelse, og kolonien blev kun kørt én gang, udelukkende med GPT-agenter. Derfor siger forsøget intet om, hvorvidt en Claude-koloni ville have klaret sig bedre. I de direkte opgør sammenlignede man komplette produkter – hver model i sin egen virksomheds agentsoftware – frem for de rå modeller. En fejl i et værktøj påvirkede desuden mindst to af Bed Wars-spillene.

Alle kan gentage forsøget. Minecraft-testmiljøet, Multi-Agent Mindustry-miljøerne og Multi-Agent Harbor – laboratoriets egen forgrening af frameworket bag benchmarktesten Terminal-Bench – er alle open source. Det kræver blot en API-nøgle fra en modeludbyder og en maskine så beskeden som en MacBook at køre dem. Rapporten, der blev offentliggjort i oktober 2026, opremser de eksperimenter, som forskerne gerne vil have andre til at prøve som det næste: fra spørgsmålet om, hvorvidt en stor sværm af svagere agenter kan slå en lille sværm af stærkere, til hvad der sker, når rivaliserende hold kan tale sammen.

Indtil videre var det, de halvtreds AI-agenter mest pålideligt byggede sammen, en kø.

Tags: OpenAI, AI agents, Claude Opus 5.5, Y Combinator, GPT-6.1 Sol, Minecraft