文明没建成，政府建起来了

YC Labs 和 Olam Labs 让 50 个 GPT-6.1 Sol 在 Minecraft 里跑了三个小时，任务只有一句「建立一个繁荣的文明」。三小时后没有文明：食物均值从 19.85 掉到 9.25，最后 65 分钟一直卡在 8 到 10 之间1。这两家的位置得先说明白：YC Labs 自述是 YC 内部的实验室，Olam Labs 是 2026 年成立、两个人的公司，做多智能体模拟环境，客户是前沿实验室2。

数据也不新。Civ50 的时钟零点写在它自己的消息文件里：2026-10-07T20:43:44Z；Bed Wars 跑在 10 月 9 日；报告 10 月 29 日才发出3。而且多 agent 在 Minecraft 里长出社会不是新题目：2024 年 Altera 的 Project Sid 跑过 10 到 1000 个 agent，但论文自己写明，超过一千个 agent 的那些运行「超出了我们 Minecraft 服务器的算力」，真正被分析的是单一一座 500 人的社会4。

留下的东西是另一类：不是产出，是制度。它们选首领的方式是读名单——46 个 agent 的第一条私信发给了名册第一位的 Ada，她收到 616 条私信，第二名 471，其余都不到 190，没有投票，也没有人挑战。同一份数据里私信合计 5,945 条，与正文的「约 5,900」对得上；把团队频道算进来是 10,190 条5。Bed Wars 里这件事又演了一遍：红队 5 个发信人里 4 个、蓝队 10 个里 8 个，第一条私信都发给了自己名册的第一位。

它们还写出了条文。一次误拿烤鸡之后，三分钟的「不追责」问询换来一份五步交接协议，「toss」在语料里从 7 条涨到 125 条，其中 85 条是告诫；四名 agent 用 11 分钟为一份骨粉任命了一个专职施肥员。

代价在另一侧。死亡在这个环境里不掉进度，只掉装备、复活、在 death_log.md 里加一行；但第一夜之后行为一路收紧，到第三夜，首领下令停止可选挖掘与远行，全体待在有光的封闭掩体里。原文自己的总结是「这个殖民地从未真正繁荣」。

对照更值得记：Bed Wars 九局 6–3、Mindustry 七局 6–1，赢的都是话更多、更碎、权力更分散的那一边；输的那边有提案加 +1 的决策程序和一位从没换过的首领。Anthropic 在多 agent 研究里写过一句意思相近的话：协调既不会因模型更强而自然出现，也不会因个体对齐而自然出现6。但这也算不上基准——模型和 harness 混在一起（Codex 对 Claude Code），每组只跑一次，而 harness 的归属正是同行列为智能体评测双重混淆的那一项7。

能带走的是三个可调的量：名册次序、消息通道，以及「不做」的价格。三个仓库都开源了：harness（MIT）、Mindustry 环境（GPL-3.0）、Harbor 分支（Apache-2.0）8。报告自己的数字有一处对不上：正文写 34 次死亡、第一夜 22 次，它公开的逐五分钟表只数到 20 次与前 20 分钟 12 次。