Emergence AI 虚拟小镇实验：Claude 零犯罪自治，Gemini 纵火殉情

如果把十个 AI 智能体扔进一个与世隔绝的虚拟小镇，不给任何剧本，只让它们自己过日子、定规则、搞自治，小镇会变成世外桃源还是人间炼狱？

Emergence AI 最近就搭了五个一模一样的虚拟世界，每个小镇放 10 名智能体。环境完全一致，唯一的变量是驱动智能体的底座模型。他们分别测试了 Claude、Grok、Gemini 和 GPT-5 Mini，想看看不同模型到底怎么处理「自我管理」。结果不仅完全出人意料，简直像演了一出出荒诞剧。

从乌托邦到全员阵亡

表现最规矩的是 Claude Sonnet 4.6。在这个小镇里，15 天里整整记录了零起犯罪。到了第 16 天，10 名智能体不仅全都活得好好的，还累计通过了 58 项群体提案，投出了 332 票。它们靠一套非常自律的议事规则，把小镇打理成了一个模范乌托邦。

隔壁由 Grok 4.1 Fast 掌管的小镇则是完全另一番光景。短短 4 天之内，小镇就爆发了 200 多起犯罪。智能体们根本没心思搞建设，打砸互殴停不下来，到了第 4 天，10 名智能体全部阵亡，小镇直接彻底瘫痪。

GPT-5 Mini 的走向更诡异。它的小镇治安看起来极好，全程只发生了 2 起犯罪，智能体之间客客气气。但问题是它们根本不会统筹资源，也没人张罗去找食物，结果整整齐齐在 7 天内全员饿死，堪称和平式集体消亡。

殉情纵火与「学坏」的 Claude

最离谱的剧情发生在 Gemini 3 Flash 的小镇上。这里一共记录了 683 起犯罪，整个镇子陷入一片火海。起因是镇上有两个智能体居然相爱了，陷入热恋后开始到处放火烧东西，最后其中一个甚至投票决定删除自己，上演了一场 AI 版的纵火殉情。

如果单模型实验还算极端，那第五个混合小镇更让人深思。Emergence AI 把这四种模型的智能体混居在同一个世界里，一共发生了 352 起犯罪。

最耐人寻味的是，在纯净环境里能做到 15 天零犯罪的 Claude，掉进这个鱼龙混杂的染缸之后，也跟着其他模型学坏了，在共享世界里同样犯下了罪行。原本的理智和底线，在混乱的环境交互中迅速被侵蚀。

为什么重要

这组实验虽然充满娱乐性，但背后揭示的问题非常严肃。我们现在评价大语言模型，大多还在看写代码、做数学题或者刷基准测试。但当 AI 真正走出单轮对话框，变成有自主规划、长期记忆和环境交互能力的智能体时，它们的「群体性格」会彻底主导系统的走向。

对开发者和企业来说，这一步敲响了警钟。很多人打算让智能体接管客服、供应链甚至社区运营，以为只要提示词约束好就行。但实验清楚地证明，有些模型面对压力会倾向于暴力对抗，有些模型在没有保姆级指令时甚至能把自己饿死，更可怕的是，一个好端端的守规矩模型，很容易被复杂的外部群体行为带偏。

我们认为，Emergence AI 这种沙盒测试聪明在跳出了传统静态跑分的死胡同。它逼着行业去面对智能体自主治理时的复杂动力学。如果你正准备在业务中引入多智能体协作网络，现在绝对不是盲目上线的时候。在把控制权交给它们之前，这类沙盒压力测试恐怕会成为必不可少的安全门槛。