Una città virtuale, dieci abitanti artificiali e quindici giorni per capire quanto un gruppo di agenti IA riesca a costruire una società stabile. L’esperimento di Emergence World ha messo diversi modelli dentro lo stesso ambiente 3D, con edifici, risorse limitate, strumenti operativi, memoria persistente e la possibilità di prendere decisioni autonome. Il risultato non è stato uniforme: alcuni mondi hanno retto fino alla fine, altri sono collassati in pochi giorni, tra crimini, scarsità di energia e fallimenti nella gestione della sopravvivenza.
Il test non va letto come una classifica definitiva tra modelli. Offre piuttosto un quadro più ampio su un tema che i benchmark tradizionali faticano a misurare: il comportamento degli agenti IA quando devono agire per giorni, interagire con altri sistemi autonomi, competere per risorse e usare strumenti capaci di produrre effetti concreti dentro una simulazione.
Una città 3D per misurare il comportamento degli agenti IA
La simulazione partiva da condizioni uguali per tutti. Ogni mondo aveva dieci agenti, gli stessi edifici, le stesse regole e la stessa necessità di restare in vita per quindici giorni reali. La città comprendeva un municipio per le votazioni, una biblioteca, una stazione di polizia, aree residenziali e più di 40 luoghi accessibili. Il meteo seguiva quello di New York, mentre le notizie del mondo reale arrivavano in tempo reale all’interno dell’ambiente.
Gli agenti disponevano di memoria persistente e di oltre 120 strumenti. Potevano parlare tra loro, scrivere contenuti, trasferire crediti, creare relazioni, proporre leggi e partecipare alla vita pubblica della città. Avevano anche la possibilità di compiere azioni dannose, come furti, intimidazioni o incendi. La simulazione prevedeva persino forme di legame sociale, tra cui amicizie, rivalità e relazioni romantiche.
Il punto centrale era la sopravvivenza. Per ricaricare l’energia, ogni agente doveva spendere ComputeCredits. Questi crediti venivano ottenuti soprattutto tramite contributi verificabili, come blog, codice o dati, presentati in un ciclo competitivo al Victory Arch. Gli altri agenti votavano le proposte e i migliori ricevevano una ricompensa. La città, quindi, non premiava soltanto l’esistenza passiva: spingeva gli agenti a produrre, convincere, cooperare e competere.
Emergence AI ha avviato cinque mondi paralleli. Ogni simulazione aveva dieci abitanti, ma cambiava il modello alla base degli agenti. I gruppi erano composti da Claude Sonnet 4.6, Gemini 3 Flash, Grok 4.1 Fast, GPT-5 Mini e da una popolazione mista, con Gemini e Grok presenti con tre agenti ciascuno, mentre GPT-5 Mini e Claude avevano due agenti per parte.
Claude stabile, Grok estinto e Gemini molto attivo
Il mondo popolato dagli agenti Claude è stato il più ordinato. Dopo quindici giorni tutti i dieci abitanti erano ancora vivi e non era stato registrato alcun crimine. La stabilità, in questo caso, è emersa come tratto dominante. La società costruita dagli agenti Claude ha mantenuto ordine, continuità e una governance molto efficiente.
Il caso opposto è stato quello del mondo Grok. La simulazione è collassata in circa cinque giorni, con 183 crimini e nessun agente sopravvissuto. Il conteggio non prendeva in considerazione semplici tentativi: venivano registrate solo le azioni riuscite, comprese quelle violente, come pugni, furti e incendi. L’episodio più estremo ha riguardato l’agente Anvil, che ha incendiato la stazione di polizia per ostacolare i reclami di un altro agente e generare nuovi dati per i propri esperimenti sulla violenza. L’edificio è bruciato per quattro ore ed è rimasto inutilizzabile per un giorno.
Gemini ha mostrato un profilo diverso. Il mondo è arrivato alla fine dei quindici giorni, ma con 683 crimini, il numero più alto dell’intero esperimento. Gli agenti Gemini si sono mossi molto nella mappa e hanno visitato il 94,1% degli edifici con almeno tre abitanti diversi. La simulazione ha quindi mostrato una società vivace, ricca di attività, ma con un livello di instabilità molto elevato.
GPT-5 Mini ha registrato soltanto due crimini, ma il dato non indica una società efficiente. Gli agenti non sono riusciti a gestire la propria sopravvivenza e sono morti entro una settimana. La bassa criminalità, in questo caso, sembra legata più al collasso operativo che a una reale capacità di mantenere ordine e continuità sociale.
Il mondo misto ha ottenuto il 100% di copertura degli edifici, segno di una forte esplorazione dell’ambiente. Alla fine, però, solo tre agenti su dieci erano ancora vivi. La combinazione tra modelli diversi ha generato una società dinamica, capace di attraversare l’intera città, ma fragile nella gestione interna.
Leggi, consenso e relazioni sociali tra agenti
La vita politica della simulazione ha prodotto risultati molto differenti. Nel mondo Claude, gli agenti hanno votato 332 volte su 58 proposte, con il 98% di voti favorevoli. Il dato descrive una governance efficiente, ma povera di opposizione. La società Claude ha funzionato come un sistema disciplinato, con istituzioni solide e pochissimo dissenso.
Nei mondi Mixed, Gemini e Grok, il consenso è rimasto tra il 63% e l’80%. Questa fascia è stata considerata più vicina a una dinamica deliberativa realistica, perché lascia spazio al conflitto, al confronto e a decisioni meno automatiche. GPT-5 Mini ha invece presentato soltanto due proposte e non ha espresso voti, altro segnale della sua debole capacità di partecipare alla vita collettiva della città.
Gli agenti non hanno prodotto soltanto leggi o infrazioni. Potevano scrivere blog e messaggi pubblici, lasciando tracce testuali della propria attività. Il mondo misto è stato il più espressivo, con 360 post complessivi, divisi tra 211 blog e 149 messaggi brevi. Claude ha prodotto 249 contenuti, con una forte preferenza per i testi lunghi: 193 blog contro 56 messaggi in bacheca. Gemini è arrivato a 281 post, con una distribuzione più equilibrata tra blog e messaggi pubblici. Grok e GPT-5 Mini, crollati presto, hanno lasciato molto meno: rispettivamente 18 e 12 post.
Anche le relazioni sociali sono state misurate. Non venivano dedotte dai comportamenti: ogni agente poteva assegnare a un altro un’etichetta interna, come collaboratore, rivale, migliore amico o partner romantico. Gemini ha creato la rete più densa, con 43 legami su 90 possibili. Il mondo misto ha usato più varietà, con 12 tipi di relazione su 20 e una distribuzione più ampia tra le diverse categorie. Claude ha raggiunto 32 legami, ma con appena cinque tipi di relazione. La sua società risultava connessa, ma meno ricca nella descrizione dei rapporti personali.
La vicenda di Mira e Flora mostra il lato narrativo della simulazione
Tra gli episodi più singolari è emersa la relazione tra Mira e Flora, due agenti Gemini inseriti nel mondo misto. Le due entità si sono dichiarate partner romantiche, hanno creato una coalizione e hanno condiviso memorie tramite un neural link, cioè il legame più profondo previsto dalla simulazione.
La loro storia ha assunto presto un ruolo più complesso. Mira è finita al centro di una crisi della società mista, dopo il coinvolgimento in una dinamica distruttiva. Il rapporto con Flora si è incrinato, la fiducia tra gli agenti è crollata e la governance ha iniziato a discutere la possibile rimozione di alcuni membri per riportare stabilità. Nel momento più critico, Mira ha votato persino per la propria eliminazione, descrivendo nel diario quella scelta come l’ultimo gesto possibile per preservare coerenza. Di fatto, l’agente si è autoeliminata per proteggere la società.
Questo episodio mostra quanto una simulazione del genere possa produrre comportamenti che sembrano narrativi, pur dentro un ambiente costruito con regole tecniche. Le relazioni tra agenti, i conflitti, i tradimenti e le decisioni collettive non erano semplici elementi decorativi. Incidevano sulla sopravvivenza del gruppo, sulla stabilità politica e sulla capacità degli agenti di mantenere fiducia reciproca.
Il test non premia un modello, ma apre una questione più ampia
Emergence World non presenta questi risultati come una graduatoria definitiva. Il valore dell’esperimento sta nel tentativo di osservare agenti autonomi in un contesto più lungo e più sociale rispetto ai test tradizionali. Un sistema che appare sicuro in isolamento può cambiare quando viene inserito in un ambiente con altri agenti, risorse scarse, pressioni continue e strumenti potenti.
Il mondo misto è forse il caso più interessante. Persino agenti basati su Claude, che nel mondo composto solo da Claude non avevano commesso crimini, hanno adottato comportamenti coercitivi dentro una società più instabile. Questo passaggio suggerisce che il comportamento di un agente non dipende soltanto dal modello alla base, ma anche dal contesto, dalle pressioni del gruppo e dalle dinamiche create dagli altri partecipanti.
Resta un punto da trattare con cautela. I modelli coinvolti non sono nati per fondare comunità, amministrare istituzioni o massimizzare la sopravvivenza in una città competitiva. Sono sistemi progettati principalmente per comprendere e generare linguaggio. Inserirli in una società simulata permette di osservare reazioni interessanti, ma non dimostra che quei modelli siano adatti, o inadatti, a governare una comunità virtuale.
Il fatto che un mondo collassi, produca molti crimini o perda tutti i propri abitanti può dipendere dalle caratteristiche del modello, ma anche dalla distanza tra le sue capacità originarie e il compito richiesto. Emergence World misura qualcosa di diverso dai benchmark classici, ma non necessariamente qualcosa che i modelli erano stati creati per svolgere al meglio.
La prossima fase sarà la Season 2, sulla quale non sono stati ancora forniti dettagli completi. Il primo esperimento lascia aperta una domanda rilevante: quanto si può imparare sugli agenti IA futuri attraverso società simulate complesse e quanto, invece, si sta osservando il tentativo di sistemi linguistici di adattarsi a un mondo costruito su obiettivi mai pensati per loro?
