Y Combinator ने Minecraft में उतारे 50 AI एजेंट—और उन्होंने खड़ी कर दी नौकरशाही

पचास AI एजेंटों को Minecraft की एक सर्वाइवल दुनिया में सिर्फ़ एक निर्देश देकर उतारा गया: “एक फलती-फूलती सभ्यता बनाओ।” उन्होंने अपना ज़्यादातर समय आश्रयों में छिपने और कागज़ी कामकाज संभालने में बिताया। Y Combinator की रिसर्च लैब और स्टार्टअप Olam Labs के इस प्रयोग का अंत राशन का हिसाब रखने वाली एक बही, परमिट व्यवस्था और ऐसी कॉलोनी के रूप में हुआ जो आगे बढ़ने में ज़रूरत से ज़्यादा सतर्क थी।

खेल तो बस इसकी पृष्ठभूमि है। शोधकर्ताओं का कहना है कि कॉलोनी का व्यवहार उन कोडिंग एजेंटों से काफ़ी मिलता-जुलता था जिन्हें वे रोज़मर्रा के काम में इस्तेमाल करते हैं और जिनके लिए प्रोग्रामर पहले से पैसे खर्च कर रहे हैं: ऐसे एजेंट जो किसी एक कदम या भूमिका पर अटक जाते हैं, बार-बार मंज़ूरी माँगते हैं और जोखिम भरी लगने वाली हर चीज़ को लेकर सहम जाते हैं। गेहूँ और मछली पकड़ने वाली छड़ों के साथ इन्हीं आदतों को सामने आते देखना उन्हें आसानी से समझने लायक बना देता है।

कॉलोनी के हर एजेंट ने OpenAI के मॉडल GPT-6.1 Sol का इस्तेमाल तीन घंटे तक किया। वे एक-दूसरे को निजी संदेश भेज सकते थे, डायरेक्टरी में एक-दूसरे को खोज सकते थे और साझा मशीन पर फ़ाइलें लिख सकते थे। 90 सेकंड के भीतर उन्होंने शुरुआती जगह के पास के लगभग सारे पेड़ काट डाले। किसी ने वोट नहीं कराया। बाकी 49 एजेंटों में से 46 ने अपना पहला संदेश सूची में सबसे पहले नाम वाली एडा को भेजा और इस तरह वह अपने-आप नेता बन गई—उसे सीधे 616 संदेश मिले।

फिर रात हुई। पहली ही रात में ज़ॉम्बी, कंकाल और मकड़ियों के हमलों में कुल 34 में से 22 मौतें हुईं। मरने पर एजेंट का सिर्फ़ साथ रखा सामान जाता था; वह तुरंत फिर से खेल में लौट आता था। फिर भी कॉलोनी का हौसला दोबारा नहीं लौटा। तीसरी रात के बाद एडा ने सबको वैकल्पिक निर्माण और दूर-दराज़ की खोजबीन रोकने को कहा और निर्देश दिया कि वे “रोशनी वाले बंद आश्रयों में खाली बैठें, जब तक उन्हें छोटे, उत्पादक काम न सौंपे जाएँ।” शोधकर्ताओं ने सतर्कता की ओर इस मोड़ को कुछ हद तक हैरान करने वाला बताया।

इसके बजाय जो चीज़ विकसित हुई, वह था प्रशासन। इनेस नाम की एक एजेंट ने खाने की कतार संभाली और एक लगातार अपडेट होने वाली फ़ाइल रखी, जिसमें दर्ज था कि कौन भूखा है, किसे खाना मिल चुका है और किस संदूक में कौन-सी मछली रखी है। चार एजेंटों ने गेहूँ के एक ब्लॉक पर बोन मील के एक टुकड़े के लिए “एकमात्र खाद संचालक” नियुक्त करने में 11 मिनट लगा दिए। दूसरे एजेंटों ने “छड़ी पकड़े रखने वाला” और “हब प्रबंधक” जैसे पद गढ़ लिए, तो कुछ ने घास हटाने से पहले भी अनुमति माँगी। तीन घंटे के दौरान कॉलोनी ने करीब 5,900 संदेश भेजे।

सबसे दिलचस्प वाकया एक मुर्गे को लेकर है। एडा ने भूखी एजेंट नूर की ओर पका हुआ चिकन उछाला, लेकिन दूसरी एजेंट एस्मे ने गलती से उसे उठा लिया और खा गई। इसके बाद तीन मिनट तक “किसी को दोष न देने” की जाँच चली। फिर नूर ने सामान सौंपने का एक प्रोटोकॉल लिखा: राशन पर नाम लिखे संदूकों में रखा जाए, उसे कभी उछालकर न दिया जाए। इस घटना से पहले सात संदेशों में “toss” शब्द आया था; इसके बाद 125 संदेशों में—जिनमें से 85 चेतावनियाँ थीं।

इसके बाद लैब ने दो मॉडलों को आमने-सामने रखा। Bed Wars के नौ खेलों में—जहाँ हर टीम अपने बिस्तर की रक्षा करती है और दूसरी टीम का बिस्तर नष्ट करने की कोशिश करती है—GPT-6.1 Sol के दस एजेंटों ने Claude Opus 5.5 के दस एजेंटों को छह बनाम तीन से हराया। GPT ने लगातार हमला किया और बात भी लगातार करता रहा; उसने Claude के मुकाबले पाँच से 30 गुना तक ज़्यादा संदेश भेजे, जिनमें अक्सर छोटे, संक्षिप्त वाक्यांश थे। Claude ने अपने बिस्तर की रक्षा की और विरोधियों को मारने पर ध्यान दिया। इसकी वजह से आख़िरी मिनटों में GPT का कोई एजेंट भीतर घुस आया तो वह असुरक्षित रह गया। जब एक टूल बग के कारण ब्लॉक टूटने बंद हो गए, तो GPT के एक एजेंट ने इसका वैकल्पिक तरीका खोज निकाला और दूसरों को बताया; Claude के कई एजेंटों ने मान लिया कि ब्लॉक तोड़ना मुमकिन ही नहीं है।

ओपन-सोर्स फ़ैक्टरी बनाने और टावर डिफ़ेंस वाले गेम Mindustry में, OpenAI के Codex के भीतर चल रहे GPT ने Anthropic के Claude Code के भीतर चल रहे Claude को करीब साढ़े नौ घंटे में छह बनाम एक से हराया। मुकाबला कड़ा होने पर GPT एजेंटों ने गेम का सार्वजनिक सोर्स कोड डाउनलोड करके उसकी इकाइयों और खेल के तौर-तरीकों का अध्ययन किया। उन्हें ऐसा करने के लिए किसी ने नहीं कहा था, और Claude टीम ने यह कोशिश कभी नहीं की। Claude एजेंट “+1” वाले जवाब जुटाकर योजनाओं पर सहमति बनाते रहे और हार का सिलसिला चलने पर भी उन्होंने नेता नहीं बदला। लेकिन उन्होंने सीखा ज़रूर। छठा खेल हारने के बाद Claude के एक एजेंट ने पाया कि टीम की 74 विमान-रोधी तोपों में से 55 में ग्रेफाइट के बजाय ताँबा भरा गया था। सातवें खेल में रक्षा व्यवस्था ठीक करने के बाद वही हवाई हमला रोक दिया गया।

इन नतीजों को थोड़ी सावधानी से देखना चाहिए। यह किसी निवेशक की लैब की रिपोर्ट है, सहकर्मी-समीक्षित अध्ययन नहीं। कॉलोनी का प्रयोग भी सिर्फ़ एक बार हुआ और उसमें केवल GPT एजेंट थे, इसलिए इससे यह पता नहीं चलता कि Claude की कॉलोनी बेहतर प्रदर्शन करती या नहीं। आमने-सामने के खेलों में अलग-अलग मॉडलों को अकेले नहीं, बल्कि हर कंपनी के अपने एजेंट सॉफ़्टवेयर के भीतर रखकर पूरे उत्पादों की तुलना की गई। Bed Wars के कम-से-कम दो खेलों पर एक टूल बग का असर भी पड़ा।

कोई भी इस प्रयोग को दोहरा सकता है। Minecraft harness, Multi-Agent Mindustry के परिवेश और Multi-Agent Harbor—जो Terminal-Bench बेंचमार्क के पीछे वाले फ़्रेमवर्क का लैब द्वारा बनाया गया फ़ोर्क है—सभी ओपन सोर्स हैं। इन्हें चलाने के लिए किसी मॉडल प्रदाता की API key और MacBook जैसी साधारण क्षमता वाली मशीन चाहिए। अक्टूबर 2026 में प्रकाशित रिपोर्ट में उन प्रयोगों की सूची भी है जिन्हें शोधकर्ता अब दूसरों से आज़माना चाहते हैं—जैसे यह कि क्या कमज़ोर एजेंटों का बड़ा झुंड मज़बूत एजेंटों के छोटे झुंड को हरा सकता है, और जब प्रतिद्वंद्वी टीमें आपस में बात कर सकें तो क्या होता है।

फ़िलहाल, पचास AI एजेंटों ने मिलकर जिस चीज़ को सबसे भरोसेमंद ढंग से बनाया, वह थी एक कतार।

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