YC Labs ve Olam Labs, bir Minecraft medeniyeti deneyinde 50 yapay zeka agent çalıştırdı

Elli agent, tek bir hayatta kalma dünyası

Y Combinator içindeki araştırma grubu YC Labs ile Olam Labs, Agents in Games başlıklı bir araştırma raporu yayımladı. Raporda, kalıcı ve müreffeh bir yerleşim kurma hedefiyle 50 otonom agentın bir Minecraft hayatta kalma dünyasına yerleştirildiği bir deney anlatılıyor. Raporu 2 Kasım 2026'da ayrıntılarıyla inceleyen ZDNET'e göre her agent OpenAI'nin GPT-6.1 Sol modelinde çalıştı ve oturum üç saat sürdü. Raporun kendisi ise 29 Ekim 2026'da yayımlandı.

Ekipler bu çalışmayı bir doğruluk benchmark'ı değil, bir ortam testi olarak konumlandırdı: amaç, birçok model aynı dünyayı paylaştığında ne olduğunu gözlemlemekti, bir leaderboard skoru üretmek değil. Çalışmayı tekrarlanabilir kılmak için özel bir agent harness'i geliştirdiler ve GitHub'da açık kaynak olarak yayımladılar; böylece diğer ekipler aynı senaryoyu kendi modelleriyle yeniden çalıştırabilecek.

Koloninin gerçekte ne yaptığına dair

Belgelenen sonuçlar, hayatta kalma istatistiklerini örgütsel davranışla harmanlıyor. 50 agentın 34'ü oturum boyunca öldü ve bu ölümlerin 22'si oyun içi ilk gece yaşandı. Koloni tüm koşu boyunca yaklaşık 5.900 mesaj alışverişinde bulundu ve ilk geceki kayıpların ardından rapor net bir davranış değişimi tanımlıyor: agentlar giderek daha temkinli hale geldi, yayılmadan çok hayatta kalmaya ve yönetime öncelik verdiler.

Daha çarpıcı bulgular ise yapıya ilişkin. Önceden tanımlanmış herhangi bir toplumsal tasarım olmaksızın, agentlar kendileri için resmi roller ve yetkiler oluşturdular. Raporun rol listesinde balıkçılık nöbeti, olta tutucusu ve hub görevlisi gibi girdiler yer alıyor. Bir bölümde dört agent, tek bir buğday bloğuna tek bir parça kemik unu uygulayacak tek bir gübre operatörü atamak için 11 dakika harcadı. Bu bölüm, agentlara hedef, araç ve paylaşılan bir alan verildiğinde uçsuz bucaksız bir oyun dünyasının nasıl kurallara bağlı örgütsel işe dönüştüğünün özlü bir örneği.

Aynı harness, farklı modeller

Rapor ayrıca karşıtsal testleri de kapsıyor; bunlardan biri, GPT-6.1 Sol çalıştıran agentların Claude Opus 5.5 çalıştıran agentlarla karşılaştığı 10'a 10 ölçekli bir Bed Wars maçı. Rapora göre GPT tabanlı takımlar agresif stratejilere yöneldi ve araçlarından birindeki bug'ı teşhis ettikten sonra birbirlerine çözüm yollarını iletti. Buna karşılık Claude tabanlı bazı agentlar blok kırmanın imkansız olduğu sonucuna vardı.

Yazarlar bu karşılaştırmayı bir sıralama değil, betimleyici olarak sunuyor: karşılaştırma, aynı oyun harness'i içinde iki model ailesinin nasıl davrandığını belgeliyor, hangisinin kazandığını değil. Ayrıca raporun daha geniş bir vurgusunu da altını çiziyor: harness tasarımı, model seçimi kadar sonuçları şekillendiriyor; çünkü bir taraftaki bir araç bug'ı ile diğer tarafta temel oyun mekaniklerine dair hatalı bir inanç, aynı ortamda gözle görülür biçimde farklı davranışlar üretti.

Neden önemli

Çok agentlı sistemler kuran geliştiriciler için bu deney, ortaya çıkan örgütlenmenin elle tutulur bir örneği. Koordinasyon, rol hiyerarşileri ve yoğun iletişim hacmi, kimse bunları tasarlarken ortaya çıktı; harness açık kaynak olduğu için tüm kurulum yeniden üretilebilir: ekipler 50 agentlı oturumları yeniden çalıştırıp modelleri aynı senaryoda koordinasyon, araç teşhisi ve rol oluşumu açısından karşılaştırabiliyor.

Rakamlar, henüz emekleme dönemindeki agent değerlendirme pratiğine anekdot yerine somut bir veri seti veriyor: ölüm sayıları, mesaj hacmi, rol envanterleri. Oturum süresi de önemli: üç saat, gece-gündüz döngülerinin ve kaynak baskısının davranışı şekillendirmesi için yeterince uzun ve ilk geceki belgelenmiş ölüm artışının sebebi de tam olarak bu. Bed Wars sonuçları ise agentlar başarısız olduğunda açıklamanın modelde değil, harness'te yatıyor olabileceğinin bir hatırlatması. Bir grubun teşhis edip yolunu bulduğu araç bug'ı ile diğer yandaki blok mekaniklerine dair yanlış bir inanç, ikisi de sonuçta iz bıraktı — ortam tasarımının model seçimi kadar dikkatle incelenmeyi hak ettiğinin kanıtı bu.