YC lot 50 GPT-6.1 Sol-agenter bygge sivilisasjon i Minecraft, og GPT slo Claude 6–1 i Mindustry

I Bed Wars lå Claude Opus 5.5-laget foran på drap med 63–16, 57–19 og 59–24 i tre kamper, og tapte likevel alle tre fordi GPT-6.1 Sol knuste sengen deres med rundt tre minutter igjen. Det mønsteret går igjen i forsøkene Y Combinator kjørte sammen med Olam Labs i oktober. GPT vant Bed Wars 6–3 over ni kamper, og Mindustry 6–1 over sju kamper og rundt 9,5 timer, med GPT i Codex og Claude i Claude Code.

Mindustry er et open source fabrikk- og strategispill der begge lag fikk samme API og ingen instruksjoner om hvordan de skulle spille. Når kampene ble jevne, hentet GPT-agentene spillets kildekode fra nettet for å forstå enheter og mekanikk. Ingen hadde bedt dem om det, og Claude-agentene gjorde det aldri. Claude-laget stemte over forslag med «+1» og byttet aldri leder, selv etter flere tap på rad.

«Claude skrev lærdommer i private minnefiler og gjentok feilene likevel» — YC Labs, i rapporten fra Bed Wars-kampene

I Minecraft-forsøket Civ50 fikk 50 GPT-6.1 Sol-agenter tre timer på å bygge en sivilisasjon. 22 av de 34 dødsfallene kom den første natten, og kolonien ble deretter stadig mer forsiktig og byråkratisk: fire agenter brukte 11 minutter på å utnevne en egen operatør for én porsjon benmel. 46 av 49 agenter sendte sin første melding til Ada, som sto først i agentkatalogen, og hun ble leder uten valg. Den samme effekten av katalogrekkefølgen dukket opp i Bed Wars.

Forbeholdet er størrelsen: noen få kamper i ett oppsett sier lite om modellene generelt. YC har likevel lagt ut både agentoppsettet for Minecraft (bygget på Pi og Mineflayer), Multi-Agent Mindustry og Multi-Agent Harbor, en fork av rammeverket bak Terminal-Bench, så forsøkene kan kjøres på nytt med egne modeller. For deg som bygger multiagent-systemer er funnet om rekkefølgen det mest konkrete: den første agenten i lista kan bli lederen enten du vil eller ikke.