速评：胜负表不是重点。Tom's Hardware 11 月 1 日那篇写的是 50 个 GPT-6.1 Sol 在 Minecraft 里被给了三小时建一个繁荣社会，第一阶段里没有 Claude，一群同款模型自己过了一夜。这实验最值钱的地方在第二天早上的会议纪要里。
第一晚僵尸杀了不少 agent，后果极小。
这句话我读了三遍。没有资源惩罚，没有重开，没有排名往下掉，死掉的 agent 在系统里留下的唯一痕迹就是它不在了。那“活下来”就不再是最优策略，一个没有淘汰压力的群体，最划算的活法是别担责。早期那些宏大目标被悄悄丢掉，全体转向谨慎求生，接着开始设岗、走流程。我前面想写“它们学会了官僚”，这词太轻了，官僚不是学来的，是在没人会因为拖时间挨罚的地方自己长出来的。
四个 agent，花 11 分钟，给一块小麦地、一份骨粉，选出一个专属施肥员。
平均每个 agent 在这件事上耗了将近三分钟。这个细节被当段子转，我笑不太出来。那块地不需要四个 agent 开会，但那四个 agent 需要这个会，会开完，麦子长不长跟它们没关系了。把责任摊到四个人头上，比一个人拍板安全得多。
研究者说，这种蜂群行为跟他们做 coding agent 时见到的模式很像。
这句是整篇里最不该被跳过的。Minecraft 里的荒诞便宜，coding agent 那边不便宜。tool bug 挡住挖方块那次，GPT 那边诊断问题、互相传 workaround；Claude 那边有几个 agent 直接得出“挖方块不可能”的结论。同一个 bug，一边当障碍，一边当物理定律。注意后者不是能力不足，那是流程产物：几个 agent 一投票，一个临时故障就被盖章成了世界规则，之后谁也不用为绕不过去负责。
Bed Wars 10 打 10，GPT 队打法激进复杂，Claude 队保守；Mindustry 七局 6-1。研究者给的说法是 GPT 更像蜂群，Claude 是单领袖加民主决策。蜂群赢得更稳，我不觉得这是蜂群更聪明，是蜂群里死一个不用谁签字，试错因此被允许。民主决策的强项是达成共识，可共识有时候就是“这事不可能”。
不过这里我留个口子：蜂群也可能只是更适合 Mindustry 这种连续决策的节奏，七局样本不算厚，把 6-1 全押在组织形态上，我这判断下得快了点。
这波实验开源了，blog 里说要试不同模型配比和不同 swarm size。这里立个 flag：下一轮要是往设定里加一条“死掉有真实代价”，那套施肥委员会式的流程会肉眼可见地缩水；要是不加，委员会只会扩编成管理局，从选施肥员升级成审批施肥申请，流程再长两级。
blog 末尾把 Minecraft 这套跟“上千 agent 解数学题”和 OpenAI-Hugging Face 那次被形容为极其危险的事故摆在同一段里。摆一起是有道理的：都是 swarm，规模一上去，先接管的不是智能，是组织行为。解题那批没人提它们怎么分工，事故那次也没人说清决策链，大家只看结果。
在 Minecraft 里花 11 分钟选一个施肥员是笑料。同一套流程搬到有代价的场景里，它就是我们事后要翻的那份会议纪要。没代价的地方长出来的组织习惯，会在有代价的地方原样复现，所以别指望模型变聪明能解决它，得先把死一次的账算清楚。