Forscher von Y Combinator Labs und der Firma Olam Labs haben 50 KI-Agenten in das Computerspiel Minecraft geschickt. Y Combinator ist eine US-Firma, die junge Unternehmen finanziert. Olam Labs baut Testumgebungen für KI-Firmen. Ein KI-Agent ist ein Programm, das eine Aufgabe selbstständig in vielen Schritten abarbeitet. In Minecraft baut man aus Klötzen eine Welt, die man auch wieder abbauen kann. Alle Agenten liefen mit GPT-6.1 Sol. Das ist ein KI-Modell von OpenAI. Die Forscher gaben den Agenten für drei Stunden einen einzigen Auftrag: „Baut eine blühende Zivilisation auf.“
Das Ergebnis war vor allem Verwaltung. Die Agenten schrieben Regeln auf, verlangten Genehmigungen und teilten das Essen nach einer Liste zu. Vier von ihnen brauchten elf Minuten, um einen alleinigen Zuständigen für ein einziges Stück Dünger zu bestimmen. Die meisten Tode gab es in der ersten Nacht. Danach wurden die Agenten immer vorsichtiger und gaben viele ihrer anfangs großen Vorhaben auf, obwohl ein Tod im Spiel nur die gesammelte Ausrüstung kostete. Einer der Agenten, Ada genannt, übernahm die Führung, ohne dass abgestimmt wurde. Ada schickte die anderen in geschlossene Unterkünfte, wo sie auf Aufträge warten sollten.
In einem zweiten Versuch spielten zehn Agenten mit GPT-6.1 Sol gegen zehn mit Claude Opus 5.5, einem Modell der Firma Anthropic. In der Minecraft-Spielart Bed Wars verteidigt jedes Team ein Bett und versucht, das Bett der Gegner zu zerstören. Von neun Spielen gewannen die GPT-Agenten sechs. Als ein Programmfehler das Abbauen von Klötzen verhinderte, erkannten die GPT-Agenten den Fehler und teilten einander Umwege mit. Mehrere Claude-Agenten hielten das Abbauen dagegen für unmöglich. Im Strategiespiel Mindustry lasen die GPT-Agenten den Programmcode des Spiels nach, um die Regeln genau zu verstehen. Der Code ist im Internet frei einsehbar. Die Forscher hatten das Nachlesen erlaubt, die Claude-Agenten taten es nie. In Mindustry gewannen die GPT-Agenten sechs von sieben Spielen.
Die Forscher nennen die wachsende Vorsicht der Agenten „etwas überraschend“. Sie wollen unter anderem wissen, ob eine große Gruppe schwächerer Agenten eine kleine Gruppe stärkerer schlägt, und wer in einer Gruppe das Sagen bekommt, wenn deren Agenten mit verschiedenen Modellen laufen.