Y Combinator metió a 50 agentes de IA en Minecraft y terminaron creando una burocracia

Cincuenta agentes de IA fueron lanzados a un mundo de supervivencia de Minecraft con una sola instrucción: «Construyan una civilización próspera». Pasaron la mayor parte del tiempo escondidos en refugios y ocupados con el papeleo. El experimento, realizado por el laboratorio de investigación de Y Combinator junto con la startup Olam Labs, terminó con un registro de raciones, un sistema de permisos y una colonia demasiado cautelosa para crecer.

El juego es solo el escenario. Los investigadores dicen que la colonia se comportó de forma muy parecida a los agentes de programación que usan a diario en el trabajo, esos por los que los programadores ya pagan: agentes que se obsesionan con un paso o una función, piden aprobación a cada rato y se vuelven tímidos ante cualquier cosa que parezca arriesgada. Ver esos mismos hábitos en acción con trigo y cañas de pescar hace que sean fáciles de reconocer.

Todos los agentes de la colonia ejecutaron GPT-6.1 Sol, el modelo de OpenAI, durante tres horas. Podían enviarse mensajes privados, buscarse en un directorio y escribir archivos en una máquina compartida. En 90 segundos habían talado casi todos los árboles cerca del punto de aparición. Nadie sometió nada a votación. De los otros 49 agentes, 46 le enviaron su primer mensaje a Ada, el primer nombre de la lista, y ella se convirtió en líder por defecto, con 616 mensajes directos recibidos.

Entonces cayó la noche. Los zombis, esqueletos y arañas causaron 22 de las 34 muertes de la prueba solo durante la primera noche. Morir no le costaba nada al agente, salvo el equipo que llevaba, porque reaparecía de inmediato; aun así, la colonia nunca recuperó el valor. Después de la tercera noche, Ada les dijo a todos que dejaran de construir cosas opcionales y de explorar zonas lejanas, y que «esperaran sin hacer nada en refugios cerrados e iluminados hasta que se les asignaran tareas productivas breves». Los investigadores calificaron ese giro hacia la cautela de algo sorprendente.

Lo que sí prosperó fue la administración. Una agente llamada Ines llevaba una fila para la comida y un registro actualizado de quién tenía hambre, quién ya había comido y qué pescado había en cada cofre. Cuatro agentes pasaron 11 minutos nombrando a un «único encargado de fertilizar» para usar una pieza de harina de huesos en un bloque de trigo. Otros inventaron cargos como «sujeta cañas» y «encargado del centro», y algunos pedían permiso antes de quitar el pasto. En tres horas, la colonia envió alrededor de 5,900 mensajes.

El mejor episodio tiene que ver con una gallina. Ada le lanzó una gallina cocida a un agente hambriento llamado Noor, pero otro agente, Esme, la recogió por accidente y se la comió. Después hubo una investigación «sin culpas» que duró tres minutos, y Noor redactó un protocolo de entrega: las raciones van en cofres identificados y nunca se lanzan. La palabra «lanzar» aparece en siete mensajes antes del incidente y en 125 después; 85 de estos últimos eran advertencias.

Después, el laboratorio enfrentó a dos modelos. En nueve partidas de Bed Wars, donde cada equipo protege su propia cama e intenta destruir la del rival, diez agentes GPT-6.1 Sol vencieron a diez agentes Claude Opus 5.5 por seis partidas a tres. GPT atacaba y hablaba sin parar, y enviaba entre 5 y 30 veces más mensajes que Claude, a menudo con frases telegráficas. Claude defendía su cama y buscaba eliminaciones, lo que lo dejaba expuesto cada vez que un agente GPT lograba infiltrarse en los últimos minutos. Cuando un error de una herramienta impidió romper bloques, un agente GPT encontró una solución alternativa y la compartió, mientras que varios agentes Claude decidieron que, sencillamente, era imposible romperlos.

En Mindustry, un juego de código abierto de construcción de fábricas y defensa de torres, GPT, ejecutado dentro de Codex de OpenAI, venció a Claude, ejecutado dentro de Claude Code de Anthropic, por seis partidas a una, en unas nueve horas y media. Cuando las partidas se ponían reñidas, los agentes GPT descargaban el código fuente público del juego para estudiar sus unidades y mecánicas. Nadie se lo pidió y el equipo Claude nunca lo intentó. Los agentes Claude proponían planes reuniendo respuestas de «+1» y nunca cambiaban de líder, ni siquiera durante una racha de derrotas. Pero sí aprendían. Tras perder la sexta partida, un agente Claude descubrió que 55 de las 74 torretas antiaéreas del equipo se habían cargado con cobre en vez de grafito; la defensa corregida logró detener el mismo ataque aéreo en la séptima partida.

Conviene tomar los resultados con cautela. Se trata de un informe de un laboratorio de inversionistas, no de un estudio revisado por pares, y la colonia funcionó una sola vez, únicamente con agentes GPT, así que no permite saber si una colonia Claude habría tenido mejores resultados. Los enfrentamientos compararon productos completos, con cada modelo dentro del software de agentes de su propia empresa, y no los modelos por sí solos. Además, un error de una herramienta afectó al menos dos partidas de Bed Wars.

Cualquiera puede repetir el experimento. El entorno de Minecraft, los entornos Multi-Agent Mindustry y Multi-Agent Harbor —la bifurcación del laboratorio del marco de trabajo que está detrás de la prueba de referencia Terminal-Bench— son de código abierto. Para ejecutarlos se necesita una clave API de un proveedor de modelos y una computadora tan sencilla como una MacBook. El informe, publicado en octubre de 2026, enumera los experimentos que propone para la siguiente etapa, desde averiguar si un gran enjambre de agentes más débiles puede vencer a uno pequeño de agentes más capaces hasta descubrir qué ocurre cuando equipos rivales pueden comunicarse entre sí.

Por ahora, lo que los cincuenta agentes de IA lograron construir juntos con mayor eficacia fue una fila.

Etiquetas: OpenAI, AI agents, Claude Opus 5.5, Y Combinator, GPT-6.1 Sol, Minecraft