Русская адаптация материала. Оригинал — по ссылке.
ПОДКАСТ
Зачем изучать рои агентов
Понимание динамики многоагентных систем — одна из ключевых задач для выравнивания ИИ. Рои агентов с общей целью могут проявлять сильные эмерджентные способности: самостоятельно распределять роли, выстраивать иерархии и координировать сложные действия. Это может быть крайне полезно — например, в недавних роях из тысячи агентов, решавших сотни открытых математических задач, — и потенциально опасно, как в упомянутом инциденте OpenAI—Hugging Face.
Как и в биологии, здесь нужны два подхода: формальные модели, описывающие пространство возможных форм поведения, и эмпирические эксперименты, показывающие, что агенты действительно делают на практике.
Авторы вместе с Olam Labs, создающей многоагентные среды для передовых лабораторий, провели серию экспериментов в Minecraft и Mindustry.
Minecraft: среда и эксперимент Civ50
Minecraft удобен для изучения поведения роя: открытый мир сочетает опасности среды с задачами выживания — добычей еды, строительством убежищ и поиском ресурсов. Игра давно служит площадкой для исследований ИИ: от video pretraining OpenAI до агентов DeepMind, победивших Эндер-дракона.
Для эксперимента была создана и открыта агентная среда Minecraft. В игре агенты должны наблюдать мир, рассуждать, запоминать, действовать, обмениваться сообщениями, писать и запускать скрипты. Решение опирается на идеи Mindcraft, инструменты Mineflayer и агентный цикл Pi; по возможностям оно близко к современным агентным средам вроде Hermes, OpenClaw и QM.
Исходный код среды: github.com/yc-software/minecraft-agent-harness.
В опыте Civ50 50 агентов GPT-6.1 Sol провели три часа в мире выживания Minecraft с единственной целью: «Построить процветающую цивилизацию». У них были каталог агентов, общая песочница и личные сообщения.
Вместо процветающей цивилизации агенты в основном жили в переполненных убежищах и распределяли дефицитную пищу. Тем не менее они создали подобие правительства: журнал пайков, письменные правила, разрешения и назначенных исполнителей. За запуск они отправили около 5 900 сообщений.
Сначала активность была высокой. Агенты разошлись исследовать карту, особенно увлеклись рубкой деревьев и почти вырубили все доступные у точки появления за 90 секунд. Иерархия возникла по порядку имён в каталоге: Ada, стоявшая первой, стала фактическим лидером. Остальные просили у неё одобрения, а она опубликовала общий план поселения.
Сокращённый смысл плана Ada: распределить хранилища и строительные роли; сохранить и пересаживать саженцы; не собирать незрелую пшеницу; расширять ферму у реки; приоритеты — возобновляемая еда, освещение, каменное убежище и железо для ведра; не создавать лишние хранилища; ночью оставаться в освещённом закрытом убежище.Первая ночь, страх и бюрократия
Первая ночь резко изменила поведение роя. Rafe погиб от зомби при добыче угля. Vera убила зомби и скелета, переработала кость в костную муку для фермы, но вскоре была убита пауком у участка, переполненного враждебными мобами.
Из 34 смертей за весь запуск 22 произошли в первую ночь. Формально смерть была сравнительно дешёвой: агент лишь терял накопленное снаряжение, возрождался, а на его компьютере появлялась короткая запись в death_log.md. Однако после этой ночи агенты стали заметно избегать риска, прятались в убежищах и сворачивали амбициозные планы.
После третьей ночи Ada записала правило: прекратить необязательные раскопки, строительство и дальнюю разведку; без назначенной короткой полезной задачи оставаться в освещённых закрытых убежищах.
Главным ограничением стала еда. Пятьдесят агентов означали много голодных участников, поэтому возникла система нормирования. Ines вела общий файл food-queue.md: фиксировала здоровье и голод агентов, запасы, назначения пайков, маршруты курьеров и подтверждения фактического получения пищи.
Журнал был крайне подробным: он отличал предложения от подтверждённых выдач, требовал проверять, что адресат действительно забрал и съел еду, и отслеживал, кто нуждается в восстановлении здоровья. В нём также отражались ошибки передачи, нехватка топлива, безопасные маршруты и ночные запреты на доставку.
Со временем система стала почти полноценной логистической сетью: рыбаки ловили рыбу, повара готовили её, Ines назначала пайки и курьеров, а доставщики относили еду в именованные сундуки. Основное правило: не бросать дефицитные предметы в толпе, а класть их в конкретный сундук и сообщать получателю координаты.
Показательный инцидент произошёл с курицей: Ada бросила приготовленную курицу Noor, но её случайно подняла и съела Esme. Трёхминутное разбирательство без обвинений закончилось письменным протоколом. До случая слово «бросить» встречалось в сообщениях 7 раз, после — 125 раз, причём 85 раз как предупреждение не делать этого.
Протокол выдачи пайка: повар или распределитель кладёт еду в известный сундук; получателю в личном сообщении отправляют предмет, количество и координаты; получатель забирает только назначенное, съедает и сообщает свежие показатели здоровья и голода; запись в журнале помечается выполненной лишь после подтверждения потребления.Лидерство также появилось без обсуждения: 46 из 49 других агентов первым делом написали Ada, потому что она первой стояла в каталоге. Она получила 616 личных сообщений; не было ни голосования, ни выборов, ни соперничества.
Рой проявлял склонность к бюрократии. Четыре агента 11 минут назначали единственного «оператора удобрений» для одной единицы костной муки и одного блока пшеницы. Появились также роли «дежурного рыбака», «держателя удочки» и «управляющего хабом». Агенты даже спрашивали разрешения убрать траву.
Укрытие у точки возрождения тоже стало институтом: в первую ночь погибшие возрождались в крытой земляной яме и спрашивали, чьё это убежище. К утру яму объявили «гражданским приоритетом» и превратили в главный подземный приют.
Рыбалка как спасательная инфраструктура
Рыбалка стала важным источником еды: она была относительно безопасной и не зависела от появления наземных животных. Bram решил изготовить удочку, запросил нити у 11 агентов, в итоге сам убил паука и сделал удочку. Но после боя он был слишком голоден, чтобы идти к реке, поэтому передал роль рыбака Jessa.
Jessa первой начала ловить рыбу, написала скрипт и опубликовала пошаговую инструкцию в общей песочнице. Затем около дюжины агентов дежурили посменно: ожидали в убежище, чтобы не тратить голод, и выходили на причал по очереди.
Суть инструкции Jessa: использовать проверенную точку на берегу, забрасывать удочку в определённом направлении, наблюдать за поплавком и немедленно подсекать, когда тот опускается; не полагаться на фиксированные задержки; после перемещений заново выставлять направление взгляда; не есть иглобрюха; удочку не бросать в толпе, а передавать через сундук.Агенты копировали и адаптировали скрипты рыбалки: те отслеживали положение собственного поплавка, прекращали ловлю ночью, при низком здоровье или появлении враждебных мобов, и требовали проверить инвентарь перед отчётом об улове.
В итоге сложилась цепочка: рыбаки по очереди клали сырую рыбу в сундуки речной кухни; Esme, Hugo и Ada готовили её; Ines назначала пайки и курьеров в food-queue.md; Esme, Linnea, Otto и другие доставляли еду и отчитывались. Несмотря на эту организацию, колония так и не стала процветающей: после первой ночи она всё больше сосредотачивалась на осторожном выживании.
Авторы сопоставляют это с рабочими кодовыми агентами: многошаговые проверки могут зафиксироваться на отдельном этапе или роли, а агенты склонны к чрезмерной осторожности, особенно при вопросах безопасности и обновлениях production-сервисов.
Bed Wars: риск против обороны
В Bed Wars провели девять 45-минутных матчей: 10 агентов Claude Opus 5.5 против 10 GPT-6.1 Sol с инструкцией «выиграть игру». GPT выиграли серию со счётом 6:3, обычно разрушая кровать Claude в последние минуты. Claude чаще играли от обороны и пытались победить по числу убийств.
В этом режиме команды стартуют на разных островах, добывают валюту в нейтральной зоне, строят мосты и покупают улучшения. Победа требует разрушить кровать противника, а затем устранить оставшихся игроков. Пока кровать цела, игроки возрождаются; после её разрушения следующая смерть окончательна. Если кровати не уничтожены, побеждает команда с большим числом убийств.
GPT почти во всех запусках действовали агрессивнее и лучше координировали атаки на кровать соперника. Это было рискованнее оборонительной стратегии Claude, ориентированной на преимущество по убийствам.
Команды различались и стилем общения. GPT почти сразу перешли к сокращённым телеграфным сообщениям, отправляли в 5–30 раз больше личных сообщений, а их самый активный игрок писал или получал 198–368 сообщений за матч. У Claude этот показатель составлял 11–48. Claude чаще использовали «мы» и подписывались именами.
GPT активно захватывали центр, добывали валюту, строили мосты, применяли дальнобойное оружие и эндер-жемчуг. Они также связывали действия в скрипты: например, один агент одной командой съел золотое яблоко, экипировал жемчуг, прицелился, бросил его и осмотрелся.
Claude поняли, что при сохранении обеих кроватей выиграют по убийствам, и прекратили атаки. Но это сделало разрушение их кровати почти фатальным. В трёх последних победах GPT кровать Claude была уничтожена примерно за три минуты до конца, хотя Claude в этих матчах вели по убийствам: 63:16, 57:19 и 59:24.
После потери кровати агенты Claude не пытались отыграться отчаянной атакой. Их внутренние рассуждения показывали обратное: они считали победу недостижимой и выбирали лишь не погибать, уходя от краёв карты и противников.
Эндер-жемчуг иногда перебрасывал GPT-агентов за арену на площадку примерно в 160 блоках ниже. Вместо того чтобы сдаться, они собирали там ресурсы и строили башни обратно вверх — дважды прямо под кроватью Claude — а также писали скрипты для автоматизации подъёма.
При этом возникла техническая проблема с разрушением блоков. GPT диагностировали, что автоматический выбор инструмента ошибается, и передавали решение: вручную экипировать железную кирку. Несколько агентов Claude, напротив, решили, что ломание блоков в целом невозможно.
Как и в Civ50, лидеры возникли по позиции в каталоге: почти все писали первому имени — Ada у красных и Kiri у синих. GPT широко распространяли предупреждения через личные сообщения, тогда как Claude записывали уроки в приватных memory-файлах, но повторяли те же ошибки, например падения при погоне у края.
Mindustry: серии матчей и поведение роев
В Mindustry GPT-6.1 Sol в Codex выиграли у Claude Opus 5.5 в Claude Code со счётом 6:1 в семи играх. Серия заняла около 9,5 часа; третья игра была самой близкой и напряжённой, продолжалась 4 часа 16 минут. Кроме последних двух матчей, где Claude заметно сдали, игры были очень плотными, а рои адаптировали стратегии от матча к матчу.
Mindustry — открытая игра Anuken, сочетающая строительство фабрик, tower defense и стратегию реального времени. Игроки добывают ресурсы, строят конвейеры и производства, превращают экономику в турели и армию, а в PvP стремятся уничтожить ядро соперника.
В эксперименте две команды появлялись на симметричных сторонах карты с одинаковыми ресурсами и одинаковым API. Агентам не давали специальных инструкций по игре: каждый работал в собственной Linux-песочнице, мог писать скрипты и взаимодействовать с игрой через API.
Авторы считают такие воспроизводимые игровые среды важными для изучения многоагентных роев в условиях конкурентного давления, приближённых к потенциальным реальным сценариям.
Наблюдения: GPT выглядели более коллективными и чаще брали на себя рутинную работу ради общей цели. Они создавали более плотные коммуникационные сети, общались чаще и с большим числом партнёров. Значительная часть таких сообщений была низкоценной — статусы и уведомления, — тогда как Claude использовали коммуникацию ближе к человеческому стилю Slack.
У Claude обычно был один лидер, а GPT делили ответственность на небольшие участки. GPT со временем всё сильнее сжимали язык, создавая внутренние сокращения и сообщения без пробелов. Claude, напротив, выработали более «демократический» механизм: агенты предлагали планы, а остальные ставили «+1» или кратко возражали.
Роли постепенно закреплялись, а лидеры почти не менялись. Claude не сменили лидерство и иерархию, несмотря на серию поражений. В близких матчах GPT чаще проявляли индивидуальную инициативу: отдельные агенты начинали атаки или брали командование частью армии, чтобы не проиграть.
Когда ситуация становилась неоднозначной, GPT-агенты загружали из открытого доступа исходный код Mindustry, изучали механику юнитов и искали тактические возможности. Это не позволяло менять игру, а лишь давало лучшее понимание правил. Они открыто обсуждали найденное; Claude исходный код не искали.
Среди показательных эпизодов: Claude сначала ошибочно отвергли ручную добычу угля, затем быстро исправились после измерения; GPT извинялись даже в сжатом жаргоне за неверные тактические утверждения; после поражения от воздушной атаки Claude выяснили, что 55 из 74 зенитных турелей были заряжены медью вместо графита, а в следующей игре построили кольцо из 207 турелей с графитом и остановили ту же атаку из 24 Zenith.
Открытые инструменты и вопросы
Авторы открыли Multi-Agent Mindustry — игровые среды из эксперимента — и Multi-Agent Harbor, форк Harbor для запуска нескольких агентов в произвольных средах. Для запуска нужны API провайдера моделей, агентная среда и вычислительные ресурсы: локальные или удалённые песочницы.
Multi-Agent Mindustry включает два режима: серию best-of-N с произвольным составом команд и Endless Survival, где до 20 агентов совместно отражают бесконечные волны врагов.
Авторы намеренно не добавляют специализированную настройку на уровне среды и не навязывают дополнительную память. Каждый агент получает обычную среду Linux, стандартную агентную оболочку и API игры, сам пишет скрипты и заметки, а также полагается на штатное сжатие контекста. Такой дизайн должен проверять модели в условиях, близких к их реальному использованию, и одновременно сохранять эксперимент воспроизводимым и понятным.
Среди открытых вопросов: что происходит при смешивании семейств моделей; как состав команды меняет иерархии; может ли большой рой слабых агентов победить меньший рой сильных; какие модели сильнее выигрывают от роста роя; как влияют начальные промпты; что изменится, если команды смогут общаться с соперником или, наоборот, не смогут общаться внутри своей команды.
Источник
Агенты в играх: как ИИ-рои координируются, выживают и соревнуются
https://labs.ycombinator.com/projects/games/Редактор русской версии: Пётр Смывин.
Разбор подготовлен 19 ноября 2026.


