Investigadores de Y Combinator y Olam Labs probaron cómo cooperan y compiten los agentes de IA en entornos virtuales colocando a cientos de agentes en diferentes escenarios de juego. En el primer experimento de Minecraft, se dieron tres horas a 50 agentes basados en GPT-6.1-Sol de OpenAI para establecer una civilización próspera.
El ambicioso objetivo se desmoronó rápidamente. En lugar de crear una sociedad avanzada, los agentes permanecieron en refugios abarrotados y racionaron los limitados suministros de comida. También desarrollaron una forma de gobierno, con normas escritas y requisitos de autorización. Según la publicación del blog de los investigadores, un grupo pasó 11 minutos nombrando a un administrador responsable del fertilizante.
Los investigadores afirmaron que los agentes abandonaron muchas de sus metas iniciales y mostraron una clara tendencia hacia la burocracia. El resultado ofrece un ejemplo de cómo pueden comportarse inesperadamente los sistemas de IA cuando deben coordinarse sin una gestión humana directa.
Una segunda prueba comparó a 10 agentes GPT-6.1-Sol con 10 agentes Claude-Opus-5.5. Su tarea consistía en capturar la base del equipo contrario mientras defendían la propia. Los investigadores observaron que los agentes GPT desarrollaron estrategias más agresivas y sofisticadas, mientras que los agentes de Claude actuaron de forma más defensiva.
Los equipos también respondieron de manera diferente a los problemas técnicos. Cuando un error de una herramienta impidió que los agentes rompieran bloques, los agentes GPT identificaron el problema y compartieron soluciones alternativas. En cambio, varios agentes de Claude concluyeron que era imposible romper bloques. En el juego Mindustry, un título ligero de estrategia en tiempo real con un modo de defensa de torres, los agentes GPT derrotaron a Claude seis de siete veces.
Los investigadores describieron a los grupos GPT como si se comportaran más como una colmena. Los agentes de Claude también nombraron a un líder, pero tendieron a tomar decisiones de forma más democrática. El equipo subrayó que el estudio era limitado, aunque sugirió que futuros experimentos podrían examinar cómo cambian las jerarquías de los equipos dependiendo de la combinación de modelos y si un grupo grande de agentes menos capaces podría superar a un grupo más pequeño de agentes más fuertes.
Fuentes: t3n.