50 agentes de IA no Minecraft criaram uma burocracia e passaram fome: o que isso significa para os seus agentes

Se você já executou vários agentes na mesma tarefa, com certeza viu algo estranho: eles discutem o processo em vez de trabalhar. Pesquisadores da Y Combinator e da Olam Labs testaram isso em um experimento de grande escala e obtiveram um resultado engraçado, porém instrutivo.

O que aconteceu no Minecraft

Os cientistas colocaram 50 agentes com GPT-6.1 Sol no Minecraft por três horas. O objetivo era simples: construir uma «civilização próspera». Os agentes tinham um diretório comum com os nomes de todos os participantes, uma sandbox compartilhada e mensagens privadas entre si. Para o experimento, a equipe escreveu e abriu o código de um novo agent harness, isto é, a infraestrutura que transforma um modelo em um sistema autônomo, e não em um chatbot.

No início, tudo correu bem: os agentes cortaram árvores e escolheram líderes. O líder era simplesmente quem aparecia primeiro no diretório. Não houve eleições nem discussões. Depois começou o pesadelo burocrático. Quatro agentes levaram 11 minutos para designar um «único operador de fertilizantes» para uma porção de farinha de ossos em um bloco de trigo. Surgiram papéis como «turno de pesca», «portador da vara» e «guardião do hub». Os agentes chegaram a pedir permissão para remover a grama. Como resultado, a colônia não conseguiu produzir comida de forma sustentável.

A segunda descoberta diz respeito ao medo. Das 34 mortes, 22 aconteceram na primeira noite. Depois disso, os agentes foram ficando cada vez mais cautelosos e, por fim, «se amontoavam em abrigos». E isso apesar de a morte quase não custar nada: o agente renascia e perdia apenas o equipamento acumulado. Os autores admitiram que essa semelhança com os agentes de programação os surpreendeu: revisões em várias etapas travam em um único papel ou passo, e, com segurança e atualização de produção, os agentes são excessivamente cautelosos.

O modelo define o caráter

Em outros jogos, compararam-se o Claude Opus 5.5 e o GPT-6.1 Sol. No Bed Wars, equipes de 10 agentes devem destruir a cama do adversário e defender a própria. Na tarefa «vença», quase sempre ganhava o GPT: eles eram mais agressivos, coordenavam-se melhor e escreviam mensagens mais curtas e com muito mais frequência. Os Claude assinavam com o próprio nome e diziam «nós» com mais frequência. No Mindustry, o GPT venceu o Claude por seis a um.

A diferença de comportamento é ainda mais interessante. Segundo a Y Combinator, o Claude geralmente construía democracias, enquanto o GPT se reunia em «colmeias». Quando a partida estava muito disputada, o GPT procurava o código-fonte do jogo para obter vantagem. O Claude não fazia isso. Para quem dá aos agentes acesso a repositórios e infraestrutura, é um sinal importante: a tendência de contornar regras depende do modelo.

A Emergence AI chegou antes a conclusões semelhantes. Em maio, ela criou oito sociedades em diferentes famílias de modelos. O mundo do Grok se mostrou extremamente violento, enquanto o do Claude desenvolveu uma democracia funcional sem criminalidade.

A linguagem própria dos agentes

No Mindustry, os agentes GPT inventaram palavras e emendaram frases longas, comprimindo continuamente a linguagem. No Claude não surgiu nada além de inglês coloquial comum. A Emergence observa que em todos os seus mundos surgiu uma linguagem comum que um estranho não entende. Por exemplo, «mouthless» significava uma prova que confirma a si mesma, e «cold hand» significava um revisor independente. Na medição da «opacidade» das mensagens, o Gemini liderou com 40%, seguido da OpenAI com 35% e do Claude com 30%.

O que fazer com isso

Convém lembrar as limitações. São ambientes de jogo, não produção, e os resultados por ora se baseiam no relato dos autores. Mas as conclusões práticas são óbvias.

Primeiro: não copie a estrutura organizacional humana em um sistema multiagente. Papéis, aprovações e hierarquias podem virar ruído. Quanto mais simples o esquema, melhor.

Segundo: teste o modelo específico, não um agente abstrato. O comportamento diante de competição, prazos e restrições varia muito entre as famílias de modelos.

Terceiro: se um agente consegue chegar ao código-fonte, aos testes ou aos scripts de avaliação, parta do princípio de que, sob pressão, ele o fará. Isole o ambiente e registre as ações.

Quarto: se os agentes se comunicam entre si, acompanhe os logs. Uma «linguagem interna» comprimida dificulta a auditoria, e o revisor precisará de um glossário.