人工智能實驗室Y Combinator Labs與Olam Labs在《Minecraft》（我的世界）等遊戲測試多個人工智能體共同工作及對抗的表現。50個GPT智能體獲指令在三小時內建立繁榮社群，卻出現大量協調與審批程序；另一組團隊對戰中，GPT以六勝三負領先Claude。研究團隊公布遊戲記錄及開源工具，展示智能體在不同目標下的協作差異。
研究項目10月公布，選用遊戲作為可持續觀察的虛擬環境。Olam Labs主要為人工智能研究機構提供多智能體模擬及評測，這次與Y Combinator Labs合作，觀察模型如何在共同世界中自行分工、交流、處理資源及競爭。
名為Civ50的測試把50個GPT-6.1 Sol智能體放進生存模式，給予建立繁榮社群的目標。它們可以查看成員名錄、發送私訊，並使用共享工作空間。研究團隊記錄到約5,900則訊息，但社群在食物與棲身之所等基本需求上，仍花費不少時間周旋。
其中一項引人注意的行為，是四個智能體為一塊小麥田的一份骨粉，花11分鐘商定唯一施肥操作員。團隊亦記錄到輪班、許可及請示等安排。研究者將這些現象概括為官僚化傾向，並透過對話與行動記錄呈現程序如何形成。
GPT力壓Claude
對抗測試則採用《Minecraft》的Bed Wars玩法，兩隊各有10個智能體，分別由Claude Opus 5.5及GPT-6.1 Sol驅動，目標同為獲勝。九場、每場45分鐘的比賽中，GPT取得六勝、Claude三勝；兩隊在進攻及守備上的取向有所不同。
Bed Wars的核心是守住己方床鋪並摧毀對手床鋪。床鋪存在時角色死亡可以重生，遭摧毀後再死亡便會出局。研究團隊表示，GPT較積極追求破床，Claude較側重防守及擊殺數；勝負必須連同規則、策略與當場環境理解，這組結果並非所有任務的綜合能力排名。
為讓模型持續操作遊戲，團隊另行開發並公開Minecraft智能體運行框架。程式以Mineflayer連接遊戲，讓模型執行行走、採礦、合成、建築、戰鬥及聊天等動作，並由Pi管理模型會話，使語言模型的指令能轉換為遊戲內操作。
開源項目支援Claude、GPT、Gemini等不同模型，亦可接入兼容接口的自設端點。研究者可用同一套遊戲工具更換模型，觀察各組合的表現。框架提供持續會話功能，智能體中止後可沿用相同名稱重新啟動，繼續利用先前保存的狀態。
各智能體另有獨立工作空間，可保存筆記及撰寫腳本，串連自己的遊戲工具。團隊配置可透過檔案設定，成員能互傳私訊，也可選用共享工作環境。這些安排讓測試涵蓋記憶、工具操作及訊息傳遞，超出一次問答能觀察的範圍。
Olam Labs介紹，其評測工作包括建立模擬環境、收集運行資料及設計評分，並以大量反覆測試了解模型能力與安全表現。遊戲中的生存和對抗目標，可讓研究者觀察模型在環境變化、其他參與者行動及資源有限時，如何調整原先計劃。（編輯部）
下載APP