Y Combinator đưa 50 tác nhân AI vào Minecraft, và họ dựng nên cả một bộ máy quan liêu

Năm mươi tác nhân AI được thả vào một thế giới Minecraft sinh tồn với chỉ thị duy nhất: “Hãy xây dựng một nền văn minh thịnh vượng”. Phần lớn thời gian, chúng chỉ trốn trong nơi trú ẩn và lo giấy tờ. Cuộc thử nghiệm do phòng nghiên cứu của Y Combinator phối hợp với startup Olam Labs thực hiện, kết thúc bằng một sổ ghi khẩu phần, hệ thống cấp phép và một thuộc địa quá dè dặt để phát triển.

Trò chơi chỉ là bối cảnh. Các nhà nghiên cứu cho biết thuộc địa này hành xử khá giống những tác nhân lập trình mà họ dùng hằng ngày trong công việc — loại công cụ mà lập trình viên đã sẵn sàng trả tiền để sử dụng: chúng bám riết lấy một bước hoặc một vai trò, liên tục xin phê duyệt và trở nên rụt rè trước bất cứ điều gì có vẻ rủi ro. Khi chứng kiến những thói quen ấy lặp lại giữa lúa mì và cần câu, người ta dễ dàng nhận ra chúng.

Mỗi tác nhân trong thuộc địa chạy GPT-6.1 Sol, mô hình của OpenAI, trong ba giờ. Chúng có thể gửi tin nhắn riêng cho nhau, tra cứu thông tin của nhau trong danh bạ và ghi tệp vào một máy dùng chung. Chỉ trong vòng 90 giây, chúng đã đốn gần như toàn bộ cây cối quanh điểm xuất hiện. Không ai tổ chức bỏ phiếu. Trong số 49 tác nhân còn lại, có tới 46 gửi tin nhắn đầu tiên cho Ada, cái tên đứng đầu danh sách, và cô mặc nhiên trở thành thủ lĩnh, nhận 616 tin nhắn trực tiếp.

Bài viết nên đọcBóng Ma Đang Cai Trị: Khi AI Tự Chủ Vượt Qua Các Hệ Thống Được Thiết Kế Để Kiểm Soát Nó

Rồi màn đêm buông xuống. Chỉ riêng đêm đầu tiên, zombie, bộ xương và nhện đã gây ra 22 trong tổng số 34 ca tử vong của cả lượt chơi. Cái chết chẳng khiến tác nhân mất gì ngoài trang bị đang mang theo, bởi chúng lập tức hồi sinh, vậy mà thuộc địa không bao giờ lấy lại được sự gan dạ. Sau đêm thứ ba, Ada bảo mọi người ngừng xây dựng những thứ không thiết yếu và do thám ở nơi xa, thay vào đó hãy “ngồi yên trong những nơi trú ẩn kín, có đèn, cho đến khi được giao các nhiệm vụ sản xuất ngắn”. Các nhà nghiên cứu gọi bước ngoặt chuyển sang thận trọng này là khá bất ngờ.

Thứ phát triển mạnh thay vào đó lại là công việc hành chính. Một tác nhân tên Ines quản lý hàng chờ lương thực, cùng một tệp cập nhật liên tục về ai đang đói, ai đã được cho ăn và rương nào đựng loại cá nào. Bốn tác nhân dành 11 phút để bổ nhiệm một “người vận hành phân bón duy nhất” cho một mẩu bột xương dùng trên một ô lúa mì. Những tác nhân khác nghĩ ra các chức danh như “người giữ cần câu” và “quản gia trung tâm”, còn một số thì xin phép trước khi nhổ cỏ. Trong ba giờ, cả thuộc địa gửi khoảng 5.900 tin nhắn.

Màn đáng nhớ nhất xoay quanh một con gà. Ada ném một con gà đã nấu chín cho một tác nhân đang đói tên Noor, nhưng một tác nhân khác là Esme vô tình nhặt được rồi ăn mất. Sau đó là cuộc điều tra “không đổ lỗi” kéo dài ba phút, và Noor viết ra quy trình bàn giao: khẩu phần phải được đặt vào những chiếc rương có ghi tên, tuyệt đối không được ném đi. Trước sự cố, từ “ném” xuất hiện trong bảy tin nhắn; sau đó, từ này xuất hiện 125 lần, trong đó có 85 lời cảnh báo.

Tiếp đó, phòng thí nghiệm cho hai mô hình đối đầu. Trong chín ván Bed Wars, trò chơi mà mỗi đội bảo vệ chiếc giường của mình và tìm cách phá hủy giường của đối thủ, mười tác nhân GPT-6.1 Sol đánh bại mười tác nhân Claude Opus 5.5 với tỷ số sáu ván thắng ba. GPT liên tục tấn công và trò chuyện không ngớt, gửi số tin nhắn nhiều gấp 5 đến 30 lần Claude, thường bằng lối viết tắt cụt lủn. Claude tập trung bảo vệ giường và săn mạng, khiến đội này để lộ sơ hở mỗi khi một tác nhân GPT lẻn qua được trong những phút cuối. Khi một lỗi công cụ khiến các khối không thể bị phá, một tác nhân GPT tìm ra cách khắc phục rồi chia sẻ với đồng đội, trong khi một số tác nhân Claude kết luận đơn giản rằng phá khối là chuyện bất khả thi.

Trong Mindustry, trò chơi mã nguồn mở kết hợp xây dựng nhà máy với phòng thủ tháp, GPT chạy trong Codex của OpenAI đánh bại Claude chạy trong Claude Code của Anthropic với tỷ số sáu ván thắng một, trong khoảng chín tiếng rưỡi. Khi các ván đấu trở nên sít sao, những tác nhân GPT tải mã nguồn công khai của trò chơi về để nghiên cứu các đơn vị và cơ chế vận hành. Không ai bảo chúng làm vậy, còn đội Claude thì không thử. Các tác nhân Claude thông qua kế hoạch bằng cách tập hợp những câu trả lời “+1” và không bao giờ thay thủ lĩnh, kể cả khi liên tục thua. Dù vậy, chúng vẫn học hỏi. Sau khi thua ván thứ sáu, một tác nhân Claude phát hiện 55 trong số 74 tháp phòng không của đội được nạp đồng thay vì than chì; hệ thống phòng thủ sau khi chỉnh sửa đã chặn đứng cùng một đợt không kích ở ván thứ bảy.

Cần nhìn nhận kết quả với đôi chút dè dặt. Đây là báo cáo từ phòng thí nghiệm của một nhà đầu tư, không phải nghiên cứu đã qua bình duyệt, và thuộc địa chỉ được chạy một lần với các tác nhân GPT, nên không thể nói gì về việc liệu một thuộc địa Claude có làm tốt hơn hay không. Các trận đối đầu so sánh những sản phẩm hoàn chỉnh — mỗi mô hình được đặt trong phần mềm tác nhân của chính công ty đó — chứ không so sánh riêng các mô hình nguyên bản. Một lỗi công cụ cũng ảnh hưởng đến ít nhất hai ván Bed Wars.

Bất kỳ ai cũng có thể chạy lại thử nghiệm. Bộ công cụ Minecraft, các môi trường Multi-Agent Mindustry và Multi-Agent Harbor — nhánh rẽ của phòng thí nghiệm từ khuôn khổ đứng sau tiêu chuẩn đánh giá Terminal-Bench — đều là mã nguồn mở. Để chạy chúng, người dùng cần khóa API từ một nhà cung cấp mô hình và một chiếc máy khiêm tốn như MacBook. Báo cáo được công bố vào tháng 10 năm 2026, đồng thời liệt kê những thử nghiệm mà nhóm muốn người khác tiếp tục thực hiện, từ câu hỏi liệu một đàn đông tác nhân yếu hơn có thể đánh bại một nhóm nhỏ tác nhân mạnh hơn hay không, đến chuyện gì sẽ xảy ra nếu các đội đối thủ có thể trò chuyện với nhau.

Ít nhất ở thời điểm này, thứ mà 50 tác nhân AI cùng nhau xây dựng đáng tin cậy nhất lại là một hàng chờ.

Thẻ: OpenAI, AI agents, Claude Opus 5.5, Y Combinator, GPT-6.1 Sol, Minecraft

Nội dung tương tự

AI Muse của Meta đạt 560.000 người dùng trong 11 ngày — nay kiểm soát máy Mac của bạn

Tác nhân AI tự đào tạo lại để sửa lỗi — và quên mất cách từ chối

Tác nhân Muse của Meta quản lý hộp thư và lịch của bạn — Meta vẫn còn giữ chìa khóa

Các tác tử AI của một hacker xâm nhập web John Deere với giá 50 USD mỗi vụ

Midwest 90: Rapid City đưa quán ăn quái vật từ Malaysia vào Truy cập sớm và tới G-STAR

ChatGPT Work: OpenAI hợp nhất ChatGPT và Codex thành một tác nhân không bao giờ dừng