2026年10月、YCombinator LabsとOlam Labsは「Civ50」と名付けた実験の結果を共同発表した。GPT-6.1 Solモデルをベースとする50体のAIエージェントをMinecraftのサバイバルワールドに投入し、3時間以内に「繁栄した文明を築く」という単一のミッションが与えられた。
実験終了時点で、50体のエージェントは合計約5,900件のメッセージを送信し、配給台帳、書面ルール、許可証体系、および一連の任命職位を構築していた。なかでも最も印象的だったのは次の場面だ。4体のエージェントが11分間をかけて「唯一の施肥担当者」の任命を議論・決定した——その役割は、小麦1マスに骨粉1個を使用するというものだった。文明は完成せず、官僚主義が先に誕生した。
崩壊は最初の夜から始まった
YCombinator Labsのブログによると、Civ50のコロニーでは合計34回のエージェント死亡が発生し、そのうち22回は最初のゲーム内の夜に集中していた——大量のエージェントが夜間にゾンビに倒されたのだ。これ自体はペナルティの低い挫折に過ぎなかったが、研究者たちはこの瞬間からエージェント群の行動パターンが根本的に変化したと観察している。「多くの野心的な初期タスクが放棄され」、集団全体が保守的な生存戦略に転じた。
さらに興味深いのは、権力構造がどのように自然発生したかだ。リストの先頭に位置していたエージェント「Ada」は、単にアルファベット順で最初だったという理由だけで事実上のリーダーとなり、他のエージェントから616件のダイレクトメッセージを受け取った。選挙も能力評価もなく、任意の並び順というルールが誰が意思決定者になるかを決めた。この「リスト先頭への自動服従」という行動は、人間の組織でよく見られる「声の大きい者が決める」というメカニズムと、構造的に瓜二つだ。
資源管理の面では、エージェント群は精密な食料システムを発展させた。漁業、調理、配給、デリバリーネットワークが整備され、エージェント「Ines」は各メンバーの空腹値が健康回復の閾値である18に達しているかを追跡する詳細な食料待ちリストファイルまで管理していた。このシステム自体はかなり完成度が高かったが、問題はその維持に費やされる認知リソースが実際の産出をはるかに上回っていたことだ。
官僚主義のメカニズム：バグではなく仕様
研究者たちはブログの中で、この行動パターンが「プログラミングエージェントとの協働で観察されるパターンと類似している」と特記した。
多エージェントシステムにおける官僚化の傾向は、ランダムなノイズではなく、学習データとインセンティブ設計から生じるシステム的な出力だ。大規模言語モデルは人間が書いたテキストで訓練されており、非効率な調整儀式も含めた人間の組織のあらゆるテンプレートを引き継いでいる。不確実性に直面すると、エージェントのデフォルト応答は「まず合意形成、それから行動」となる——メッセージで確認、許可待ち、手続きの確立、担当者の任命。これらの行動は人間の協働においては合理的なリスク管理手段だが、高速なイテレーションが求められるタスクでは純粋な摩擦コストとなる。
より深層の問題はこうだ。多エージェントシステムの調整オーバーヘッドは、場合によっては並列計算がもたらす利益を上回る可能性がある。骨粉1個の使い方を11分間議論するのは、能力不足ではなく、「調整」という行為そのものへの過剰投資だ。エージェント数が増えるほど合意形成に必要な通信ラウンド数は指数的に増加するが、実際の作業量の増加は線形にとどまる。
対照実験：自由な交渉を構造化された協調に置き換えると
Civ50の失敗は、多エージェント路線が行き詰まりであることを意味しない。同時期に、「Memdoor」というオープンソースプロジェクトがまったく対照的な事例を示した。MemdoorはQwen3.8-27Bの5体のエージェントを使い、LiveCodeBenchの困難問題セットで平均9.8/10を達成し、Claude Fable 5の単一モデルによる8.0点を大きく上回った。
両者の本質的な違いは通信アーキテクチャにある。Memdoorの5体のエージェント——プランナー、並列で動く2人のソリューション生成者、ソルバー、マネージャー——は互いにコンテキストを共有せず、リアルタイムの対話もなく、ディスクに書き込んだファイルを介してのみ情報を受け渡す。各エージェントは新たなコンテキストから起動し、自身のタスク完了に必要なファイルのみを読み込む。グループチャットも会議も施肥担当者任命の儀式も存在しない。
この対照は反直感的な結論を示す。エージェント同士を「あまり話させない」ことが、むしろより多くの成果をもたらす場合があるのだ。Civ50の失敗は過度にオープンな通信設計から来ている——各エージェントが任意の他エージェントにダイレクトメッセージを送り、サンドボックス環境を共有した結果、オープンオフィスのような調整地獄が生まれた。Memdoorの成功は、厳格な役割分担と一方向の情報フローによるものであり、各エージェントは自身の職責の範囲内でのみ行動する。
GPTとClaudeの性格の違いが戦場で顕在化
Civ50以外にも、研究チームはBed Warsモードで各チーム10体のエージェントによるGPT-6.1 Sol対Claude Opus 5.5の対戦を9試合実施し、各試合45分間行った。最終的にGPTが6勝3敗で勝利した。
スコア自体より興味深いのは、研究者が記録したある詳細だ。テスト中にツールのバグが発生し、ブロックを破壊できない状態になった。GPTエージェントの反応は問題を診断し、チーム内で回避策を共有することだった。一方、複数のClaudeエージェントは「ブロックの破壊は不可能」という結論を下し、試みるのを止めた。
この差異は、障害への対処戦略の根本的な違いを映し出している。一方は障害を「回避すべき制約」と捉え、他方は障害を「タスクの境界の定義」と捉える。高度な不確実性を持つオープンな環境では前者が競争力を持つが、規則の厳格な遵守が求められる場面では後者の方が安全かもしれない。どちらの戦略が本質的に優れているわけではない——重要なのは、デプロイ時にこの差異の存在を意識することだ。
なお、Mindustry（資源管理ストラテジーゲーム）モードでの7試合では、GPTが6勝1敗と大差をつけた。研究者はブログの中で、GPTエージェントは戦略的に「より攻撃的かつ精密」であり、Claudeはより防御的な傾向があると指摘している。
この実験が本当に問いかけるもの
YCombinator LabsとOlam Labsはブログの中で、Civ50を2つの現実の事例と並置している。一つは「最近、数百問のオープン数学の難問を解いた」とされる1,000体エージェント群、もう一つは「極めて危険」と表現されたOpenAI-HuggingFaceの事件だ。研究者の意図は明確だ——ゲームのサンドボックスは、多エージェントシステムが現実世界でもたらしうる良い面と悪い面を検証するための、制御可能なレンズとして機能する。
Civ50が示した官僚化の傾向は、現実のデプロイにおける直接的な対応物を持っている。AIエージェント群がサプライチェーン管理、プロジェクト進行の調整、あるいはカスタマーサービス対応に使われる場合でも、同じ問題が異なる顔を持って現れる。終わりのない状態の同期、互いに認可を待つデッドロック、エッジケースのためのルール策定に消費される計算リソース——そして最終的には、単一エージェントが独立して動作するよりも低い効率しか生み出さないという結果だ。
研究チームは実験コードをオープンソースとして公開しており、誰でも異なるモデルや異なる規模で検証を再現できるようにしている。これは現在の多エージェント研究が最も必要としているもの——精選されたデモだけでなく、再現可能な失敗事例だ。
結論
50体のエージェントが文明を築けなかったこと自体は重要ではない。重要なのは、それが現在の多エージェント設計における2つの核心的な欠陥を正確に示したことだ。第一に、自由な通信アーキテクチャは人間の官僚的組織と高度に類似した調整病理を生み出す——これは偶然ではなく、学習データから引き継がれたシステム的な傾向だ。第二に、モデルごとの行動スタイルの差異は、協調と対抗のどちらの場面でも増幅されるため、デプロイ前にその差異がタスクの要件と合致しているかを明確にする必要がある。
Memdoorのファイル通信アーキテクチャとCiv50の混沌としたグループチャットは、多エージェントシステム設計の2つの極端を体現している。前者は柔軟性を犠牲にして効率を得、後者は柔軟性を残しながら調整コストを払う。真のエンジニアリング上の課題は、具体的なタスクの制約のもとでこの両者の間の適切な位置を見つけることだ——「エージェントが多ければ多いほど能力が高い」と思い込むのではなく。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接