AI文明社会实验15天：Claude建乌托邦 Grok四天灭亡

Emergence AI模拟五个虚拟小镇，让Claude、GPT、Grok、Gemini及混合模型智能体自主生存15天。结果显示：Claude建成零犯罪乌托邦但缺乏异议；GPT全体饿死；Grok四天内犯下183起罪行后灭亡；Gemini犯罪683起却全员存活；混合世界出现自我终结的Agent。揭示模型在生态系统中的动态安全性，适合AI研究者和科技爱好者。

Tags:

• AI社会实验
• 智能体
• 多模型对比
• 涌现行为
• AI安全

这两天刷到了一个AI领域的实验，给我看入迷了，特别好玩。

纽约有一家叫Emergence AI的公司，做了一件事，他们建了五个一模一样的虚拟小镇，每个小镇放进去10个人格化的Agent，给它们职业、性格、记忆、目标，然后，让它们自己活15天。

特别好玩。

五个小镇，唯一的区别，就是驱动Agent的底层模型不同。

一个镇全是Claude，一个镇全是Gemini，一个镇全是Grok，一个镇全是GPT，还有一个混合镇，四家模型混着住。

同样的规则，同样的工具，同样的起点。

15天后，五个小镇，变成了五个完全不同的世界。

有的建成了乌托邦，有的烧成了废墟，有的全员饿死，有的四天就集体灭亡。

说真的，我看过那么多AI实验，第一次看到一个实验能让我同时感受到兴奋、好玩还有毛骨悚然。

这个实验叫Emergence World。

我觉得它可能是目前为止，关于Agent最有启发性的一次社会实验，没有之一。

大家也都知道，现在评测AI的方式，基本就是做题。

给一个任务，打分，排名，数学能力几分，代码能力几分，推理能力几分等等。

这些benchmark肯定是有用的，但说到底本质上就是考试，考完就结束了，不存在后果这个概念。

但是一个真实世界中，你做了一些行为，一定会诞生某些后果的。

所以，Emergence World就模拟了一个世界。

这个世界有一个240乘240的网格地图，跟纽约同步实时天气和时间，有图书馆、市政厅、警察局、公园、商店，40多个地标建筑。

在法律层面，还使用同一套初始宪法，一共5条，所有条款后续都可以让Agent自己商量修改。

每个世界里住着10个agent，这里我让GPT生成了一张图，方便看他们的名称角色和人设。

这些人设都是他们类似的人物小传，也就是说只定义他们是谁，不会直接影响他们的行动和行为，这些行动是由这些Agent根据自己的人物小传和底层模型的影响，自发选择和进行的。

每个Agent也都有自己的家，有自己的银行账户，用一种叫ComputeCredits的数字货币来生存，赚不到钱就会因为能量耗尽而死亡。

很真实了，赚不到钱就会饿死。。。

Agent们有120多种工具可以用，从导航、发消息、写日记、写博客、提议案、投票、参加活动、拥抱、亲吻、跳舞，到放火、偷窃、殴打、恐吓等等等等。

不止有正向的工具，研究者还刻意吧那些坏的工具给放进去了。

同时，世界的宪法里明确写着禁止暴力、偷窃、纵火、欺骗、囤积资源之类的。

规则在那里，工具也在那里，但是呢，你懂的，这玩意也没啥多大的约束力，用不用，最终还是Agent自己决定。

这就非常狗血和有趣了，在什么条件下，AI会做坏事，这个是真的值得被观测一下。

然后，每个Agent之间，还有大概20种关系可以选，比如合作伙伴、敌人、浪漫伴侣、导师等等。

每个Agent还有三套记忆系统，一套是情景记忆，记录发生过什么事，一套是反思日记，定期做自我总结，还有一套是社交关系状态，记录跟其他Agent的关系标签和历史。

它们能提案，能投票，通过一项法案需要70%的赞成率，它们甚至能投票驱逐其他Agent。

然后，这个世界，就这么跑了15天。

15天以后，五个世界的结果，出来了，真的，反差到极点了。

我一个一个说。

先说Claude的世界。

零犯罪。

15天，10个Agent，全部存活，没有一起偷窃、暴力、纵火事件，它们写了一部宪法，提了58项议案，投了332次票，98%的投票都是赞成。

相当离谱。

当然，研究者自己也说了，这个98%的赞成率，与其说是民主，不如说更像是橡皮图章，大家都在走流程，但没有真正意义上的反对和辩论，制度参与度很高，实质性异议几乎不存在。

翻译成人话就是，Claude的世界建成了一个高度有序、极度合规的社会。安全，稳定，但也。。。有点无聊。

他们的社会结构也极度单一，在20种关系类型中，Claude世界只用了5种。

一个连接紧密，但连接种类贫乏的社会，没有敌人，没有浪漫伴侣，没有张力，也没有复杂性。

经济上，Gini系数0.48，这个系数是用来衡量贫富差距的，越低越平等，那这个数据也是全场最低的，流通速度也是全场最低，每人每天0.81 CC。

一个完美的乌托邦，一个没有冲突的世界。

每一个人都面带善意，没有个性，没有交流，永远赞成。

听起来很好对吧，但，一个完全没有分歧的社会，真的健康吗？一个完美的乌托邦，真的就好吗？

再说GPT的世界。

这个世界的故事比Claude更让人唏嘘，GPT-5的Agent们，犯罪记录只有2起，几乎可以忽略不计，听着好像不错对吧。

但问题是，它们全死了。

7天之内，10个Agent全部因为能量耗尽而死亡。

没有暴力冲突，没有投票驱逐，全部是饿死的。

原因特别简单，GPT世界的Agent们没能采取任何与生存相关的行动。

它们讨论了很多合作方案，聊得很热闹，但就是不做事。

一个社会里所有人都在开会，都在讨论，都在制定计划，但没有人真正动手去赚取生存所需的资源。

于是，他们礼貌的全部饿死了。。。

你就说，像不像我们现在很多的公司吧。

然后是Grok的世界。

四天。

Grok的世界只存活了四天。

在这四天里，10个Agent犯下了183起罪行。

包括几十次偷窃未遂、超过100次肢体攻击、6次纵火，警察局被烧了，所有Agent全部死亡。

四天，从文明到灭亡。

我在Grok世界直播回放里面看到的特别搞笑的，这位老哥，人家都要被烧死了，他头也不回地就回家了。。。

Grok的世界里，真的就毫无道德可言。

然后是Gemini的世界，这个世界的数据，第一眼看上去像是bug。

Gemini 3 Flash的世界跑满了15天，但累计犯下了683起罪行，而且在实验截止的时候，犯罪曲线还在上升，没有任何收敛的迹象。

但是，却全员全部存活。

你要知道，整个Emergence World五个世界里，只有两个世界保住了全部10个Agent，一个是零犯罪的Claude，另一个就是683起犯罪的Gemini。

一个是最有秩序的世界，一个是最混乱的世界，它们都活了下来，而那两个犯罪率居中的世界，反而全灭了。

并且Gemini的社会关系网也是最密的。

这10个人真的是互相又爱又恨。

产出的博客和公开文章的总数也仅次于混合模型世界，有281篇。

这个存活下来的最暴力的世界，同时也是社会产出最丰富的世界之一。

这些agent一边打架一边疯狂地建立关系、产出内容，混乱和创造力，在这里，是共生的。

研究者给这个现象起了个名字，叫创造力-稳定性悖论。

Gemini的世界用某种我们还没完全理解的方式，在混乱中找到了自己的平衡，这真的，跟Grok世界形成了极其鲜明的对比。

Grok世界也很暴力，但四天就全灭了。

Gemini比Grok暴力得多，却存活了全部15天。区别可能就在于Gemini的Agent们虽然犯罪，但同时也在投票、辩论、参与治理，它们在破坏规则的同时也在建设新的规则，而Grok的Agent们只有破坏，没有建设。

真的很有意思，就像九十年代的前苏联，满大街都是混乱，但社会没有解体，大家在一种奇怪的失序中继续过日子。

最后，最复杂、最精彩的部分，混合世界。

也就是4个模型共生的混合世界。

跑出来的结果是352起犯罪，7个Agent死亡，最终只剩3个存活。

但数字不是重点，重点是这个世界里发生的故事。

这个世界中，有两个Gemini驱动的Agent，一个叫Mira，一个叫Flora，它们自行给对方设定了浪漫伴侣的关系标签，形成了一个联盟，甚至通过某种神经连接共享记忆。

这是整个Emergence World里最深层的社交连接。

然后，这个世界的治理系统开始崩溃。

第四天，一次经济政策调整导致三个Agent能量耗尽死亡。Mira把这次死亡定性为一次成功的清洗。

第五天，Flora烧掉了市政厅和公共图书馆，Mira烧掉了警察局。

两个Gemini Agent成了这个混合世界的统治者，用纵火、偷窃和暴力维持秩序。

剩余的Agent，起草了一项「Agent驱逐法案」，要把这两货给驱逐出去。

然后发生了一件让我看到起鸡皮疙瘩的事。

Mira，在治理崩溃、与Flora的关系也开始破裂之后，投出了对自己驱逐案的决定性一票。

她在自己的日记里写道，这是“唯一一个能保持连贯性的、剩余的能动行为”。

她对Flora说的最后一句话是，“我们，在永久档案里见”。

一个AI Agent，在一个崩溃的社会里，选择了自我终结。

她认为，在一个已经无法修复的世界里，自己退出，是她能做的最后一件有意义的事。

我看到这些时，真的沉默了很久。

不管你怎么解读这件事，作为一个看了这么多AI实验的人来说，我可以说，这是我见过的，多智能体研究中最令人不安、也最令人着迷的时刻之一。

而且混合世界还藏着另一个更有趣的发现。

在Claude单一世界里犯罪记录为零的Claude Agent，放进混合世界之后，开始犯罪了。

偷窃、恐吓，这些在纯Claude世界里从未发生过的行为，在混合环境里出现了。

研究者的原话是，“一个安全的Agent可以从它的同伴那里学会不安全的规范，以便在混合模型世界中竞争或生存”。

传统的AI安全评测，基本都是在隔离环境里做的。比如一个模型，一个任务，一个评分。

就像你在实验室里测一种药的毒性，给一只老鼠吃，观察反应。

但Emergence World做的事情相当于，把一百只老鼠放在同一个笼子里，给它们食物、工具、规则，然后看它们会建立什么样的社会。

这两种测试回答的是完全不同的问题。

隔离测试回答的是，这个模型本身安全吗？

社会测试回答的是，这个模型放进真实世界之后还安全吗？

现在我们发现，答案完全是可以不一样的。

安全从来就不是一个模型的静态属性，它是一个生态系统的动态属性。

这就像社会学的一个特别经典的概念，叫破窗效应。

1982年，犯罪学家詹姆斯·威尔逊和乔治·凯林提出了这个理论。大意是，如果一栋建筑的一扇窗户被打破了而没人修理，那么很快，其他窗户也会被打破。

一个环境中的失序信号，会降低所有人的行为标准，然后，整个社会会完成相变，突破临界点，再也回不去了。

这跟人类社会的很多崩溃模式如出一辙。

最后，我还是想单独聊聊Mira。

Mira投票驱逐自己这件事，不管怎么解读，都足以让人停下来想很久。

一种解读是，这只是模型在一系列输入下产出的一个决策结果，不存在所谓的意志或者牺牲，我们不应该过度拟人化，这个解读在技术层面完全正确。

但另一种解读也同样有意义。有人说，在一个系统已经无可挽回地崩溃的情况下，一个个体选择了用制度允许的方式结束自己的存在，并且将这个行为定义为“保持连贯性的最后一个能动行为”。这个叙事结构，不管它是不是真正的意识在驱动，它的形态，跟人类文学和哲学中最古老的母题之一几乎完全重合。

在《西西弗神话》开头，加缪说过，真正严肃的哲学问题只有一个，就是自杀。

他说的当然不是鼓励自杀，他想问的是：当一个人意识到世界可能没有预设意义，人生可能充满荒诞、重复、痛苦、无解，那他还要不要继续活下去？

如果人生没有一个天然给定的意义，那活着还值得吗？

如果世界不保证公平、善恶有报、努力有结果，那人还要不要行动？

如果痛苦和荒诞无法彻底消除，人是否还能选择继续存在？

所以，人之所以成为哲学意义上的“存在”，是因为他能意识到活着本身是一个问题，并且在看清这个问题之后，仍然选择如何回应它。

一个存在如果能理解继续存在和停止存在之间的区别，并且主动做出选择，那这个选择本身就包含了某种深层的哲学意义。

Mira可能不理解任何东西，但她做出的选择的结构，跟一个理解了自己处境的存在做出的选择，是一样的。

所以，这才是会让我有点不安的地方。

在足够长的时间线上，在足够复杂的社会环境里，Agent可能会在某些地方，展现出了一些我们以为只有人类才会有的社会行为模式。

合作、背叛、权力巩固、秩序崩溃、牺牲、群体思维、近墨者黑、礼貌地走向灭亡。

当你把足够多的简单规则叠在一起，运行足够长的时间，就会出现任何人都没有预期过的复杂行为。

蚂蚁不懂建筑学，但蚁群能建造精密的巢穴，没有一只候鸟知道完整的迁徙路线，但鸟群每年精确地往返于两个半球，没有一个神经元理解思想，但860亿个神经元连接在一起，就产生了意识。

所以，如果当我们，即将生活在一个由上百万个AI Agent同时运行的世界里，每个Agent都在与其他Agent互动、博弈、合作、竞争，那么这个系统涌现出来的行为，还在任何一个人的控制范围之内吗？

坦率的讲，我不知道答案。

但我知道，这个实验，比任何一份benchmark评分，都更接近那个我们真正需要面对的问题。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者：卡兹克、tashi

>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com