50个AI智能体组队建文明，三小时后它们发明了官僚主义

2026年10月，YCombinator Labs与Olam Labs联合公布了一项名为"Civ50"的实验结果。50个基于GPT-6.1 Sol模型的AI智能体被投入一个Minecraft生存世界，三小时内的唯一任务是：建立一个繁荣的文明。

实验结束时，这50个智能体共发送了约5900条消息，建立了一套配给台账、书面规则、许可证体系和一系列任命职位。其中最令人难忘的一幕：四个智能体花费11分钟，专门讨论并任命一名"唯一施肥员"——负责对单块小麦格使用一份骨粉。文明没有建成，官僚主义先诞生了。

崩溃从第一个夜晚开始

据YCombinator Labs博客披露，Civ50殖民地共发生34次智能体死亡，其中22次集中在第一个游戏夜晚——大量智能体在夜间被僵尸消灭。这本是一次代价很低的挫折（死亡惩罚有限），但研究者观察到，从这一刻起，智能体群体的行为模式发生了根本性转变："许多雄心勃勃的初始任务被放弃"，整个群体转向了保守的存活策略。

更耐人寻味的是权力结构如何涌现。目录中排名第一的智能体Ada，仅因为字母排序靠前，就成了事实上的领导者——共收到616条其他智能体的私信。没有选举，没有能力评估，一个任意的排序规则决定了谁来做决策。这种"默认服从名单第一位"的行为，与人类组织中常见的"谁嗓门大谁说了算"机制，在结构上如出一辙。

资源管理方面，智能体群体发展出了一套精密的食物系统：捕鱼、烹饪、配给、快递网络，Ines智能体甚至维护了一份详细的食物排队文件，追踪每个成员的饥饿值是否达到健康恢复阈值18。这套系统本身相当完善——问题在于，维护这套系统消耗的认知资源，远超出实际产出。

官僚主义的机制：不是故障，是特征

研究者在博客中特别指出，这种行为模式"与我们在与编程智能体合作时观察到的规律相似"。

多智能体系统中的官僚化倾向，并非随机噪声，而是来自训练数据和激励机制的系统性输出。大型语言模型在人类书写的文本上训练，继承了人类组织的所有模板——包括那些低效的协调仪式。当面对不确定性时，智能体的默认响应是"先对齐再行动"：发消息确认、等待许可、建立程序、任命负责人。这些行为在人类协作场景下是合理的风险管理手段，但在需要快速迭代的任务中，它们是纯粹的摩擦成本。

更深层的问题是：多智能体系统的协调开销，可能在某些场景下超过并行计算带来的收益。11分钟讨论一块骨粉的用法，这不是能力不足，而是系统在"协调"这件事本身上过度投入。智能体数量越多，达成共识所需的通信轮次呈指数级增长，而实际工作量的增加是线性的。

对照组：当结构化协调替代自由协商

Civ50的失败并不意味着多智能体路线是死路。同期，一个名为Memdoor的开源项目提供了截然相反的案例。Memdoor用5个Qwen3.8-27B智能体在LiveCodeBench困难题集上取得9.8/10的平均分，明显超过Claude Fable 5单模型的8.0分。

两者的根本差异在于通信架构。Memdoor的五个智能体——规划者、两个并行方案生成者、求解者和管理者——互相之间没有共享上下文，也没有实时对话，只通过写入磁盘的文件传递信息。每个智能体从全新上下文启动，只读取完成自身任务所需的文件。没有群聊，没有会议，没有施肥员任命仪式。

这个对照揭示了一个反直觉的结论：让智能体之间"少说话"，有时反而能做更多事。Civ50的失败来自过于开放的通信设计——每个智能体可以向任何其他智能体发私信，共享一个沙盒环境，结果产生了类似开放式办公室的协调地狱。Memdoor的成功来自严格的角色分工和单向信息流，每个智能体只在自己的职责边界内行动。

GPT与Claude的性格差异在战场上显现

Civ50之外，研究团队还在Bed Wars模式下安排了9场GPT-6.1 Sol与Claude Opus 5.5的对抗，每队10个智能体，每场45分钟。最终GPT以6比3胜出。

比分本身不是最有意思的部分。研究者记录了一个细节：测试中出现了一个工具漏洞，导致方块无法被破坏。GPT智能体的反应是诊断问题，并在团队内部分享绕过方案；多个Claude智能体的结论则是"破坏方块已不可能"，然后停止尝试。

这个差异折射出两种截然不同的失败处理策略：一种将障碍视为需要绕过的约束，另一种将障碍视为任务边界的定义。在高度不确定的开放环境中，前者更有竞争力；在需要严格遵循规则的场景下，后者可能更安全。没有哪种策略天然更优——关键是在部署时意识到这种差异的存在。

顺便一提，在Mindustry（一款资源管理策略游戏）模式的7场对抗中，GPT以6比1大胜。研究者在博客中指出，GPT智能体在策略层面"更具攻击性且更精密"，而Claude更倾向于防御。

这场实验真正想说什么

YCombinator和Olam Labs在博客中将Civ50与两个现实案例并置：一个是"近期摧毁了数百道开放数学难题"的千智能体群；另一个被描述为"极度危险"的OpenAI-HuggingFace事件。研究者的意图清晰：游戏沙盒是一个可控的透镜，用来检视多智能体系统在现实世界中可能出现的好与坏。

Civ50所展示的官僚化倾向，在现实部署中有直接的对应物。一个AI智能体群被用于管理供应链、协调项目进度或处理客服流程时，同样的问题会以不同面孔出现：无休止的状态同步、互相等待授权的死锁、为边界情况制定规则而消耗的算力，最终产出效率低于单个智能体独立工作。

研究团队已将实验代码开源，允许任何人用不同模型或不同规模复现测试。这是当前多智能体研究最缺少的东西：可复现的失败案例，而不只是精选过的成功演示。

结论

50个智能体建不成文明，这件事本身不重要。重要的是它精确指出了当前多智能体设计的两个核心缺陷：其一，自由通信架构会产生与人类官僚组织高度相似的协调病态，这不是偶然，而是从训练数据继承而来的系统性倾向；其二，不同模型的行为风格差异在协作和对抗场景中都会被放大，部署前必须明确这种差异与任务需求是否匹配。

Memdoor的文件通信架构和Civ50的混沌群聊，代表了多智能体系统设计的两个极端。前者牺牲灵活性换取效率，后者保留灵活性却付出协调代价。真正的工程挑战，是在具体任务约束下找到这两者之间的合适位置——而不是假设"更多智能体"天然等于"更强能力"。