AI-agentek elakadnak a Minecraft-birokráciában, 50-es csapat nem épít civilizációt
Négy agent 11 percet szánt egyetlen csontliszt blokkra kijelölt műtrágyázó kijelölésére, miközben az 50-es GPT-6.1 Sol csapat három órán belül nem tudott működő civilizációt építeni.
Civilizációépítésre három órára 50 GPT-6.1 Sol agentet adtak fel a kutatók, de a kolónia soha nem virágzott – az első éjszaka után zombik sok agentet kiiktattak, a maradék pedig óvatos túlélésre korlátozódott. — írja a Tom's Hardware. (Hacker News)
Birokratikus elakadások a Minecraftban
Az első feladatok elhagyása után a csapat bürokratikus tevékenységekbe süllyedt: négy agent 11 percet töltött egyetlen csontliszt blokkra kijelölt „sole fertilizer operator” kijelölésével, miközben a többi erőforrást csak fenntartották.
Stratégiai különbségek a Bed Warsban
Bed Warsban 10 GPT-6.1 Sol és 10 Claude Opus 5.5 agent küzdött egymás ellen; a GPT-k sokkal agresszívebb és bonyolultabb stratégiákat dolgoztak ki, a Claude-k pedig főként védelmi taktikákat alkalmaztak.
Egy blokk-törő hibát a GPT-k azonnal diagnosztizálták, megoldásokat osztottak meg, míg több Claude agent úgy vélte, hogy a törés lehetetlen.
Mindustry mini-RTS módjában a GPT-6.1 Sol agentek 6-1-es arányban nyertek a Claude-k ellen a hét játék során, ami a GPT-k méhszerű, közös döntéshozatalát, a Claude-k egyetlen vezetőre és demokratikus folyamatra épülő megközelítésével szembeállította.
A teljes agent-raj és konfiguráció nyílt forráskóddal került közzétételre, így a fejlesztők saját teszteket indíthatnak, illetve különböző modell-keverékek és csapatméretek vizsgálatával új következtésekre juthatnak a GPT-6.1 Sol és Claude Opus 5.5 viselkedéséről.