Y Combinator släppte in 50 AI-agenter i Minecraft – och de byggde en byråkrati

Femtio AI-agenter släpptes in i en Minecraft-värld där det gällde att överleva. De fick en enda instruktion: ”Bygg en blomstrande civilisation.” Större delen av tiden ägnade de åt att gömma sig i skydd och hålla ordning på pappersarbetet. Experimentet, som genomfördes av Y Combinators forskningslabb tillsammans med startupbolaget Olam Labs, slutade med en ransoneringslista, ett tillståndssystem och en koloni som var alltför försiktig för att växa.

Spelet är bara en kuliss. Forskarna säger att kolonin betedde sig ungefär som de kodningsagenter de själva använder på jobbet varje dag – sådana som programmerare redan betalar för: agenter som låser sig vid ett enda steg eller en enda roll, ständigt ber om godkännande och blir försiktiga så fort något verkar riskabelt. När samma vanor visar sig i arbetet med vete och fiskespön blir de lätta att upptäcka.

Varje agent i kolonin körde GPT-6.1 Sol, OpenAI:s modell, i tre timmar. De kunde skicka privata meddelanden till varandra, söka upp varandra i en katalog och skriva filer på en gemensam dator. Inom 90 sekunder hade de fällt nästan alla träd nära startpunkten. Ingen höll någon omröstning. Av de 49 andra agenterna skickade 46 sitt första meddelande till Ada, det första namnet på listan, och hon blev ledare av bara farten. Hon tog emot 616 direktmeddelanden.

Sedan föll natten. Zombier, skelett och spindlar stod för 22 av de 34 dödsfallen under hela körningen – och samtliga inträffade den första natten. Det kostade inte en agent något att dö, utöver utrustningen den bar på, eftersom den återuppstod direkt. Ändå återfick kolonin aldrig sitt mod. Efter den tredje natten sade Ada åt alla att sluta med frivilliga byggprojekt och utforskning långt bort, och att ”vänta i upplysta, slutna skydd tills de tilldelas korta, produktiva uppgifter”. Forskarna beskrev den här omsvängningen mot försiktighet som något överraskande.

I stället växte administrationen. En agent vid namn Ines skötte en matkö och en löpande förteckning över vem som var hungrig, vem som hade fått mat och vilken kista som innehöll vilken fisk. Fyra agenter ägnade 11 minuter åt att utse en ”ensam ansvarig för gödsling” av ett enda veteblock med en enda enhet benmjöl. Andra hittade på jobb som ”spöhållare” och ”navförvaltare”, och några bad om lov innan de tog bort gräs. På tre timmar skickade kolonin omkring 5 900 meddelanden.

Den bästa episoden handlar om en kyckling. Ada kastade en tillagad kyckling till en hungrig agent som hette Noor, men en annan agent, Esme, råkade plocka upp den och äta den. Därefter följde en tre minuter lång ”skuldfri” utredning, och Noor skrev ett överlämningsprotokoll: ransoner ska läggas i namngivna kistor och får aldrig kastas. Ordet ”toss” förekommer i sju meddelanden före händelsen och i 125 efteråt, varav 85 är varningar.

Forskningslabbet lät sedan två modeller tävla mot varandra. I nio matcher av Bed Wars, där varje lag försvarar sin egen säng och försöker förstöra motståndarlagets, besegrade tio agenter med GPT-6.1 Sol tio agenter med Claude Opus 5.5 med sex matcher mot tre. GPT gick till angrepp och pratade oavbrutet och skickade mellan fem och 30 gånger så många meddelanden som Claude, ofta i kortfattad telegramstil. Claude försvarade sin säng och satsade på att döda motståndare, vilket gjorde laget sårbart när en GPT-agent smet igenom under de sista minuterna. När en bugg i ett verktyg hindrade block från att gå sönder hittade en GPT-agent en lösning och delade den med de andra, medan flera Claude-agenter drog slutsatsen att block helt enkelt inte gick att förstöra.

I Mindustry, ett spel med öppen källkod där man bygger fabriker och försvarstorn, besegrade GPT, som kördes i OpenAI:s Codex, Claude, som kördes i Anthropic:s Claude Code, med sex matcher mot en under ungefär nio och en halv timme. När matcherna blev jämna laddade GPT-agenterna ner spelets offentliga källkod för att studera dess enheter och mekanik. Ingen hade bett dem att göra det, och Claude-laget försökte aldrig. Claude-agenterna förmedlade planer genom att samla in svar av typen ”+1” och bytte aldrig ledare, inte ens under en förlustsvit. Men de lärde sig. Efter att ha förlorat den sjätte matchen upptäckte en Claude-agent att 55 av lagets 74 luftvärnstorn hade laddats med koppar i stället för grafit. Den korrigerade försvaret stoppade samma luftangrepp i den sjunde matchen.

Resultaten bör tas med en nypa salt. Det här är en redogörelse från ett investerares forskningslabb, inte en sakkunniggranskad studie, och kolonin kördes bara en gång, med enbart GPT-agenter. Därför säger den inget om huruvida en Claude-koloni skulle ha klarat sig bättre. I direktmatcherna jämfördes kompletta produkter – varje modell i det egna företagets agentprogramvara – snarare än modellerna var för sig. En verktygsbugg påverkade dessutom minst två av Bed Wars-matcherna.

Vem som helst kan göra om experimentet. Minecraft-ramverket, Multi-Agent Mindustry-miljöerna och Multi-Agent Harbor – labbets egen förgrening av ramverket bakom benchmarktestet Terminal-Bench – är alla open source. För att köra dem behövs en API-nyckel från en modellleverantör och en så enkel dator som en MacBook. Redogörelsen, som publicerades i oktober 2026, listar experiment som forskarna vill att andra ska prova härnäst: allt från frågan om en stor svärm svagare agenter kan slå en liten svärm starkare agenter till vad som händer när rivaliserande lag kan prata med varandra.

Hittills är det en kö som de femtio AI-agenterna mest tillförlitligt har lyckats bygga tillsammans.

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