Blog

ایجنت‌های هوش مصنوعی در ماینکرفت: بوروکراسی، رهبر الفبایی و برد ۶ به ۳ GPT مقابل Claude

آزمایشگاه Y Combinator ده‌ها ایجنت GPT و Claude را در Minecraft و Mindustry رها کرد: ۵۰ ایجنت یک شبه‌دولت بوروکرات ساختند، رهبر با ترتیب الفبایی انتخاب شد و GPT در Bed Wars و Mindustry از Claude برد.

30 Oct 2026 · 4 min read · AI · AI Agents · Multi-Agent · Minecraft · Mindustry · Claude · GPT · Y Combinator

ایجنت‌های هوش مصنوعی در ماینکرفت: بوروکراسی، رهبر الفبایی و برد ۶ به ۳ GPT مقابل Claude

آزمایشگاه Y Combinator (همون شتاب‌دهنده‌ی معروف) با همکاری Olam Labs یه سری آزمایش جالب منتشر کرده: ده‌ها ایجنت هوش مصنوعی رو انداختن توی Minecraft و Mindustry تا ببینن وقتی یه «دسته» ایجنت با هم کار می‌کنن یا با هم می‌جنگن، چه رفتارهایی ازشون بیرون میاد. گزارش‌شون توی Hacker News حسابی دیده شد و بحث داغی راه انداخت.

Civ50: پنجاه ایجنت، یک دستور: «یک تمدن شکوفا بساز»

۵۰ ایجنت GPT-6.1 Sol سه ساعت توی یه دنیای Survival ماینکرفت ول شدن. به هم DM می‌دادن، یه دایرکتوری از همدیگه داشتن و یه ماشین مشترک برای نوشتن فایل. نتیجه؟ تو ۹۰ ثانیه تقریباً همه‌ی درخت‌های اطراف رو بریدن، حدود ۵۹۰۰ پیام رد و بدل کردن و یه شبه‌دولت ساختن با دفتر جیره، قوانین مکتوب، مجوز و «اپراتور منصوب».

جالب‌ترین بخش: رهبری با رأی و انتخابات شکل نگرفت. Ada فقط چون اسمش اول دایرکتوری بود، رهبر شد و همه برای تأیید بهش پیام می‌دادن. یه ایجنت دیگه به اسم Ines هم شد مسئول صف غذا و ۶۱۶ پیام دریافت کرد.

ایجنت Vera در شب اول ماینکرفت
ایجنت Vera در شب اول بازی؛ ۲۲ مورد از ۳۴ مرگ کل اجرا در همین شب اول اتفاق افتاد. منبع: YC Labs

شب اول فاجعه بود: ۲۲ تا از ۳۴ مرگ کل اجرا همون شب اتفاق افتاد. بعدش ایجنت‌ها شدیداً محافظه‌کار شدن، پروژه‌های بزرگ رو رها کردن و توی پناهگاه‌ها جمع شدن. Ada رسماً نوشت: «کاوش و ساخت‌وساز غیرضروری رو متوقف کنید و توی پناهگاه بمونید». بوروکراسی هم بیداد می‌کرد: چهار ایجنت ۱۱ دقیقه وقت گذاشتن تا برای یه دونه bone meal روی یه بلوک گندم، «اپراتور انحصاری کود» تعیین کنن!

نمودار فعالیت ایجنت‌ها در شب و روز
نمودار فعالیت و مرگ ایجنت‌ها در طول شب‌ها و روزهای اجرای Civ50. منبع: YC Labs

Bed Wars: Claude در برابر GPT

بعد نه بازی ۴۵ دقیقه‌ای Bed Wars برگزار شد: ۱۰ ایجنت Claude Opus 5.5 در برابر ۱۰ ایجنت GPT-6.1 Sol. نتیجه ۶ بر ۳ به نفع GPT. سبک‌ها کاملاً متفاوت بود: GPTها تهاجمی و هماهنگ بودن، ۵ تا ۳۰ برابر بیشتر پیام می‌دادن و با زبان تلگرافی و کوتاه حرف می‌زدن. Claudeها دفاعی بازی کردن، اسم‌شون رو پای پیام می‌نوشتن و حساب کردن که اگه هر دو تخت سالم بمونه با تعداد کشته برنده می‌شن. مشکل اینجا بود که GPT معمولاً تو سه دقیقه‌ی آخر تخت Claude رو می‌شکست؛ حتی وقتی Claude با اختلافی مثل ۶۳ به ۱۶ در کشته‌ها جلو بود.

ایجنت GPT در حال شکستن تخت تیم قرمز
B_Nikhil از تیم GPT روی تخت تیم قرمز (Claude)، چند ثانیه قبل از شکستنش. منبع: YC Labs

یه نکته‌ی خیلی گویا: یه باگ ابزار باعث شده بود شکستن بلوک کار نکنه. GPTها مشکل رو تشخیص دادن (انتخاب خودکار ابزار) و راه‌حل رو برای هم فرستادن؛ چند تا از Claudeها نتیجه گرفتن که «شکستن کلاً باگ داره» و بی‌خیالش شدن. Claude درس‌هاش رو توی فایل memory خصوصی می‌نوشت و باز همون اشتباه رو تکرار می‌کرد؛ GPT فایل حافظه رو خالی گذاشت و هشدارها رو با DM به کل تیم پخش کرد.

Mindustry: باز هم ۶ بر ۱ برای GPT

در Mindustry (یه بازی متن‌باز کارخانه‌سازی و Tower Defense) هم GPT-6.1 Sol داخل Codex در برابر Claude Opus 5.5 داخل Claude Code بازی کرد. در ۷ بازی و حدود ۹.۵ ساعت، GPT شش بار برد. بازی سوم ۴ ساعت و ۱۶ دقیقه طول کشید و بیشتر بازی‌ها نزدیک بودن؛ هر دو تیم استراتژی‌شون رو بازی به بازی بهتر می‌کردن.

شبکه‌ی پیام‌های تیمی در Mindustry
شبکه‌ی ارتباطات و پیام‌های داخل تیم‌ها در بازی‌های Mindustry. منبع: YC Labs

هارنس ماینکرفتی که برای این آزمایش ساختن (روی Mineflayer و یه حلقه‌ی ایجنتی) هم متن‌باز شده: github.com/yc-software/minecraft-agent-harness. الان هم یه کلنی تازه با ۲۵ ایجنت GPT-6.1 Terra روی Twitch پخش زنده داره.

نظر من

این گزارش از خیلی از بنچمارک‌ها صادق‌تره، چون چیزی رو نشون می‌ده که توی تست‌های تک‌سؤالی دیده نمی‌شه: رفتار جمعی. اینکه رهبر فقط به خاطر ترتیب الفبایی انتخاب می‌شه یا ۵۰ تا ایجنت سر یه بلوک گندم بوروکراسی راه می‌ندازن خنده‌داره، ولی دقیقاً همون چیزیه که توی سیستم‌های multi-agent واقعی (مثلاً ده تا ایجنت کدنویس روی یه ریپو) هم سرمون میاد: گلوگاه ارتباطی، هماهنگی بیش از حد و محافظه‌کاری بعد از اولین شکست.

تفاوت Claude و GPT هم برام جالبه. Claude «مؤدب و محتاط» بود و GPT «پرحرف و تهاجمی»، و توی بازی رقابتی تهاجم برد. ولی نتیجه نگیرید که یکی کلاً بهتره؛ این یه محیط خاص با یه هارنس خاصه. درس اصلی برای ما توسعه‌دهنده‌ها اینه: اگه swarm می‌سازید، نحوه‌ی ارتباط و اشتراک دانش بین ایجنت‌ها رو جدی طراحی کنید، وگرنه حافظه‌ای که کسی نمی‌خونه و رهبری که فقط اسمش اول لیسته، کل سیستم رو جلو می‌بره.

منبع: YC Labs: Agents in Games · بحث در Hacker News

Comments0

Comments +

00

No comments yet — be the first. هنوز نظری ثبت نشده؛ اولین نفر باش.

Leave a comment

0 / 2000