Y CombinatorとOlam Labs、MinecraftでAIエージェント群を競わせた結果を公開

Y CombinatorとOlam Labsの研究者らが、GPT-6.1 SolとClaude Opus 5.5のAIエージェント群をMinecraftやMindustryなどのゲーム環境で競わせ、協調させたテストの結果を公開した。この結果はTom's Hardwareが報じている。

「Civ50」と名付けられたテストでは、50体のGPT-6.1 Solエージェントに3時間の猶予が与えられ、繁栄する文明の構築が課されたが、コロニーが繁栄することはなかった。研究者らによると、最初の夜を過ぎると当初の意欲的なタスクの多くは放棄され、行動は官僚的な方向に傾いた。4体のエージェントが、1つの小麦ブロックに1個の骨粉を使うためだけの肥料担当者を任命するのに11分を費やしたとされる。

対戦モードでの比較

10体のGPT-6.1 Solエージェントと10体のClaude Opus 5.5エージェントを対峙させたチーム対戦では、GPT側がより攻撃的な戦略を取り、Claude側は守備的に戦った。ブロック破壊を妨げるツールの不具合が発生した際、GPT側は原因を特定して回避策を共有したのに対し、Claude側の複数のエージェントは破壊は不可能だという結論に至った。

Mindustryでは、GPT側が7試合中6勝1敗でClaude側を破った。研究者らは、GPT側は群れのように行動する傾向があった一方、Claude側は単一のリーダーを置き、民主的に意思決定する傾向があったと結論づけている。

このエージェント群はオープンソースとして公開されており、誰でも実行して検証できる。