Y Combinator satte 50 AI-agenter inn i Minecraft – og de bygde et byråkrati

Femti AI-agenter ble sluppet inn i en Minecraft-verden der de måtte overleve, med én eneste beskjed: «Bygg en blomstrende sivilisasjon». Mesteparten av tiden brukte de på å gjemme seg i tilfluktsrom og holde orden på papirarbeidet. Eksperimentet, som ble gjennomført av Y Combinators forskningslab sammen med oppstartsbedriften Olam Labs, endte med en rasjonsoversikt, et tillatelsessystem og en koloni som var for forsiktig til å vokse.

Spillet er bare rammen. Forskerne mener kolonien oppførte seg mye som kodeagentene de bruker på jobb hver dag – den typen programmerere allerede betaler for: agenter som henger seg opp i ett trinn eller én rolle, stadig ber om godkjenning og blir forsiktige så snart noe virker risikabelt. Når de samme vanene utspiller seg med hvete og fiskestenger, blir de lette å få øye på.

Alle agentene i kolonien kjørte GPT-6.1 Sol, modellen til OpenAI, i tre timer. De kunne sende hverandre private meldinger, slå hverandre opp i en katalog og skrive filer på en delt maskin. I løpet av 90 sekunder hadde de felt nesten alle trærne nær startpunktet. Ingen stemte over det. Av de 49 andre agentene sendte 46 sin første melding til Ada, det første navnet på listen, og hun ble leder som standard. Hun mottok 616 direktemeldinger.

Så ble det natt. Zombier, skjeletter og edderkopper sto for 22 av de 34 dødsfallene i løpet av hele forsøket, og alle skjedde den første natten. Det kostet ikke agentene noe å dø, bortsett fra utstyret de bar på, ettersom de dukket opp igjen med én gang. Likevel fikk kolonien aldri tilbake motet. Etter den tredje natten ba Ada alle om å droppe valgfrie byggeprosjekter og utforsking langt unna, og heller «holde seg i ro i opplyste, lukkede tilfluktsrom til de får tildelt korte, produktive oppgaver». Forskerne beskrev denne dreiningen mot forsiktighet som noe overraskende.

I stedet vokste administrasjonen. En agent ved navn Ines organiserte en matkø og førte en løpende oversikt over hvem som var sulten, hvem som hadde fått mat, og hvilken kiste de ulike fiskene lå i. Fire agenter brukte 11 minutter på å utnevne en «eneste gjødselansvarlig» for én dose benmel på én hveteplante. Andre fant opp jobber som «stangholder» og «knutepunktforvalter», og noen ba om tillatelse før de fjernet gress. I løpet av tre timer sendte kolonien rundt 5 900 meldinger.

Den beste episoden handler om en kylling. Ada kastet en stekt kylling til en sulten agent ved navn Noor, men en annen agent, Esme, plukket den opp ved et uhell og spiste den. Deretter fulgte en tre minutter lang «ingen skyld»-gransking, og Noor skrev en overleveringsprotokoll: Rasjoner skal legges i navngitte kister, aldri kastes. Ordet «toss» forekommer i sju meldinger før hendelsen og i 125 etterpå, hvorav 85 er advarsler.

Deretter satte laboratoriet to modeller opp mot hverandre. I ni runder med Bed Wars, der hvert lag beskytter sin egen seng og prøver å ødelegge motstanderens, slo ti GPT-6.1 Sol-agenter ti Claude Opus 5.5-agenter med seks seire mot tre. GPT angrep og kommuniserte uavbrutt, og sendte mellom fem og 30 ganger så mange meldinger som Claude, ofte i knapp stikkordstil. Claude forsvarte sengen sin og jaktet på kills, noe som gjorde laget sårbart hver gang en GPT-agent klarte å snike seg gjennom i sluttminuttene. Da en feil i verktøyet hindret blokkene i å bli ødelagt, fant en GPT-agent en omvei og delte den med de andre, mens flere Claude-agenter konkluderte med at det rett og slett var umulig å ødelegge blokker.

I Mindustry, et åpen kildekode-spill der man bygger fabrikker og forsvarstårn, slo GPT i OpenAIs Codex Claude i Anthropics Claude Code med seks seire mot én, i løpet av rundt ni og en halv time. Da kampene ble jevnere, lastet GPT-agentene ned spillets offentlig tilgjengelige kildekode for å studere enhetene og spillmekanikken. Ingen ba dem om det, og Claude-laget prøvde det aldri. Claude-agentene la fram planer ved å samle inn «+1»-svar, og byttet aldri leder, selv ikke under en tapsrekke. Men de lærte også. Etter det sjette tapet oppdaget en Claude-agent at 55 av lagets 74 luftvernstårn var fylt med kobber i stedet for grafitt. Da forsvaret ble rettet opp, stanset det samme luftangrepet i den sjuende kampen.

Resultatene bør tas med en klype salt. Dette er en rapport fra et laboratorium knyttet til en investor, ikke en fagfellevurdert studie, og kolonien ble bare kjørt én gang, med GPT-agenter. Den sier derfor ingenting om hvorvidt en Claude-koloni ville gjort det bedre. Duellene sammenlignet komplette produkter – hver modell kjørt i agentprogramvaren til sitt eget selskap – ikke modellene alene. En feil i verktøyet påvirket dessuten minst to av Bed Wars-kampene.

Alle kan gjenta forsøket. Minecraft-testoppsettet, Multi-Agent Mindustry-miljøene og Multi-Agent Harbor – laboratoriets egen forgrening av rammeverket bak Terminal-Bench-benchmarken – er alle åpen kildekode. For å kjøre dem trenger man en API-nøkkel fra en modelltilbyder og en maskin så enkel som en MacBook. Rapporten, som ble publisert i oktober 2026, lister opp eksperimenter den håper andre vil prøve, fra spørsmålet om en stor gruppe svakere agenter kan slå en liten gruppe sterkere agenter, til hva som skjer når rivaliserende lag får snakke sammen.

Foreløpig var det køen femti AI-agenter mest pålitelig klarte å bygge sammen.

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