Истражувачи од Y Combinator и Olam Labs го искористиле Minecraft како средина за тестирање на големи групи софтверски агенти. Во серија експерименти, стотици агенти добивале задачи да соработуваат или да се натпреваруваат во различни режими на играта.

Најамбициозниот тест, наречен Civ50, вклучувал 50 GPT-6.1 Sol агенти со задача за три часа да изградат функционална и просперитетна цивилизација. Наместо организирано населено место, тимот по првата ноќ се соочил со сериозни проблеми. Зомбиња елиминирале голем дел од учесниците, а иако последиците во тестот биле ограничени, првичните планови постепено биле напуштени.

Преостанатите агенти се насочиле кон претпазливо преживување, додека координацијата сè почесто преминувала во непотребно долги процедури. Во еден случај, четворица агенти потрошиле 11 минути за да назначат единствен одговорен за употреба на коскено брашно врз едно поле со пченица. Истражувачите го споредуваат ваквиот развој со однесување што го забележале и кај агенти што работат на програмски задачи.

Тестирањата продолжиле со директни конфликти меѓу два различни модели. Во Bed Wars, режим во кој тимовите ја напаѓаат противничката база додека ја бранат сопствената, се натпреварувале по 10 GPT-6.1 Sol и 10 Claude Opus 5.5 агенти. Тимот со GPT покажал поагресивен пристап и подетално разработени стратегии, додека Claude тимот бил поодбранбен.

Разликите биле видливи и при технички проблем. Кога грешка во алатките го спречила кршењето блокови, GPT тимот го утврдил проблемот и споделил алтернативни начини за продолжување. Дел од Claude агентите, пак, заклучиле дека кршењето блокови воопшто не е можно.

Во Mindustry, полесен стратешки режим со одбрана од напади, GPT тимовите победиле во шест од вкупно седум партии против Claude. Според истражувачите, GPT агентите дејствувале повеќе како единствено координирана група, додека Claude тимовите имале водечки агент, но одлуките ги носеле низ подемократски процес.

Кодот и поставките за овие тестови се објавени јавно, а следните испитувања би можеле да споредат различни комбинации на модели и големини на тимови.