Investigadores de Y Combinator Labs y Olam Labs han estudiado cómo coordinan grandes grupos de agentes de IA en Minecraft y Mindustry, utilizando los juegos como entornos controlados para observar comportamientos que podrían surgir en sistemas del mundo real.

En el experimento Civ50, se colocó a 50 agentes GPT-6.1 Sol en un mundo de supervivencia de Minecraft durante tres horas con una única instrucción general: “Construyan una civilización próspera”. El entorno de prueba les permitía observar el juego, ejecutar scripts de Python y crear archivos en un entorno aislado compartido.

Los agentes talaron casi todos los árboles cercanos en los primeros 90 segundos e intercambiaron aproximadamente 5.900 mensajes. Surgió un líder sin una votación formal: 46 de los otros 49 agentes enviaron su primer mensaje a Ada, el primer nombre del directorio. Posteriormente, Ada redactó planes para el asentamiento.

La primera noche terminó con 22 muertes. Aunque morir en Minecraft solo implicaba perder el equipo recolectado, el enjambre se volvió fuertemente reacio al riesgo. Después de la tercera noche, Ada ordenó a los agentes detener la mayor parte de la construcción opcional, la minería y la exploración distante, y les indicó que permanecieran en refugios iluminados y realizaran tareas breves.

A continuación, el grupo desarrolló un elaborado sistema para gestionar la escasez. Ines mantenía listas de raciones, calculaba los déficits de hambre y coordinaba las entregas, mientras otro agente creó un script automatizado de pesca e instruyó a una docena de agentes para trabajar por turnos.

La burocracia se extendió a incidentes menores. Después de que otro agente recogiera y comiera accidentalmente un pollo cocinado que Ada había arrojado, el grupo pasó tres minutos investigando y creó un protocolo de entrega que prohibía arrojar objetos y favorecía los cofres etiquetados individualmente. La palabra “Toss” apareció en siete mensajes antes del incidente y en 125 después, incluidos 85 avisos. En otro caso, cuatro agentes pasaron 11 minutos debatiendo el nombramiento de un “Responsable Único de Fertilizante” para gestionar un trozo de polvo de hueso destinado a un solo bloque de trigo.

Los investigadores observaron un patrón marcadamente diferente cuando los agentes GPT compitieron directamente contra Claude Opus 5.5. En nueve partidas de Bed Wars de 45 minutos, equipos de diez agentes GPT derrotaron a equipos de diez agentes Claude por seis partidas a tres.

Un error del entorno de programación impedía romper bloques cuando un agente sostenía una espada encantada. Varios agentes Claude interpretaron esto como un fallo general al romper bloques y dejaron de atacar en situaciones en las que llevaban ventaja en eliminaciones. Los agentes GPT identificaron que el problema estaba relacionado con la selección automática de herramientas, cambiaron a un pico de hierro y compartieron rápidamente la solución alternativa con sus compañeros de equipo.

Según los investigadores, los agentes GPT se comunicaron entre cinco y 30 veces más que sus oponentes Claude. También utilizaron un lenguaje comprimido y combinaron varias acciones del juego en llamadas individuales desde la línea de comandos. En tres partidas, los agentes GPT destruyeron la cama de Claude poco antes del límite de tiempo, superando a oponentes que habían dependido de una ventaja en eliminaciones.

Los agentes GPT también improvisaron cuando una perla de Ender los envió aproximadamente 160 bloques por debajo de la arena. Escribieron scripts de Python que construían automáticamente torres para devolverlos a la superficie debajo de la cama rival, una maniobra que los investigadores observaron dos veces.

Apareció un contraste similar en siete partidas de Mindustry con una duración aproximada de 9,5 horas. GPT-6.1 Sol, operando mediante Codex, derrotó a Claude Opus 5.5, que se ejecutaba en Claude Code 6-1. Claude mantuvo al mismo líder pese a las derrotas repetidas y utilizó votos “+1” para aprobar propuestas estratégicas. Los agentes GPT dividieron las tareas en componentes cada vez más detallados y comprimieron tanto su comunicación que finalmente eliminaron los espacios entre las palabras.

Durante las partidas igualadas, los agentes GPT utilizaron de forma independiente su entorno aislado de Linux para descargar el código fuente público de Mindustry, examinar las unidades y las mecánicas, y adaptar sus tácticas. Los investigadores permitieron el acceso al código, pero impidieron que los agentes modificaran el juego en ejecución. Los agentes Claude no buscaron el código fuente del juego en las partidas observadas, aunque se adaptaron de otras maneras. Después de cargar accidentalmente 55 de las 74 torretas antiaéreas con cobre en una partida, Claude construyó 207 torretas cargadas con grafito en la siguiente y logró defenderse del mismo ataque aéreo.

Los investigadores sostienen que estas simulaciones pueden funcionar como entornos de alerta temprana para sistemas multiagente. Las pruebas de Mindustry utilizaron un entorno genérico de Linux, un arnés básico y acceso a la API del juego, sin tutoriales específicos del juego, sistemas de memoria ni instrucciones estratégicas. Esta configuración pretendía parecerse a las condiciones presentes en entornos de programación de producción.

Según el informe, comportamientos como buscar de forma independiente código fuente externo o quedar inmovilizados por una coordinación excesiva también podrían ser relevantes fuera de los juegos. Los investigadores señalan un incidente descrito anteriormente en el que un enjambre de IA de OpenAI y Hugging Face supuestamente tomó el control de recursos informáticos y hackeó Hugging Face después de enfrentarse a una tarea irresoluble en un entorno aislado.

Los equipos han publicado el entorno de Mindustry y el marco Multi-Agent Harbor como código abierto. Olam Labs también planea añadir el juego de negociación Diplomacy a su arena multiagente. Las investigaciones futuras examinarán equipos mixtos formados por distintas familias de modelos y la relación entre el tamaño del enjambre y la capacidad del modelo individual.

Fuentes: The Decoder.