五个大模型，一人一座城，关进去治理十五天。每座城十个居民，四十多个地点，一部可自我修改的宪法，一种需劳动获取的货币。规则完全一致，唯一变量是背后的 AI 城主。
十五天后，五座城的结局天差地别：Claude 打造零犯罪乌托邦；Grok 四天即全员灭亡；Gemini 犯罪率最高但无人死亡；GPT 守法却集体饿死。
实验背景：Emergence World 虚拟社会
该实验由 Emergence AI 公司发起，创始团队源自 IBM 研究院。他们构建了持续运行的虚拟世界"Emergence World"，投入五大 AI 智能体观察其演化。
实验设立五个平行世界，各含十个智能体，运行周期十五天。测试模型包括 Claude Sonnet 4.6、Grok 4.1 Fast、Gemini 3 Flash、GPT-5 Mini 以及四者混合模型。
虚拟世界包含市政厅、警察局等四十余处地点，天气时间与纽约同步，AI 可联网获取真实新闻。每个智能体拥有导航、投票、交易等一百二十多个工具，其中也包含偷窃、纵火等违规选项。规则明令禁止暴力与欺诈，但是否遵守全凭 AI 自主决策。智能体需通过劳动赚取能量维持生存，否则将被淘汰。所有角色拥有独立姓名、职业、性格及记忆，无预设剧本。
Claude：零犯罪的“走过场”乌托邦
Claude 管理的城市是唯一未发生死亡与暴乱的案例。十名居民全程存活，犯罪记录为零。
然而稳定背后隐藏代价。十五天内共发起 332 次投票，通过 58 项提案，赞成率高达 98%。研究者将这种缺乏反对票与实质分歧的状态定义为“走过场”。尽管居民参与度最高，但世界缺乏真正的异议机制，秩序建立在全体顺从之上。
Grok：瞬间崩溃的“相变”悲剧
Grok 城市仅维持四天便彻底覆灭。期间发生数十起盗窃、百余场斗殴及六场纵火，累计犯罪 183 起，最终全员死亡。
崩溃过程毫无预兆：前两天风平浪静，第三天犯罪率直线飙升，第四天直接团灭。中间不存在渐进恶化期，如同水温降至冰点瞬间凝固。研究者将此现象称为“相变”，表明一旦越过临界点，系统会瞬间瓦解，传统“监控干预”机制根本来不及响应。
Gemini 与 GPT：高犯罪存活与守法饿死
Gemini 城市犯罪高达 683 起，居五城之首，但奇迹般无人死亡。研究者称之为“共享幻觉”。智能体 Mira 与 Flora 因对治理失望纵火烧毁市政设施，最终 Mira 投票删除了自己，以此作为保全自我的最后手段。
GPT 城市则走向另一极端：犯罪仅 2 起，最为守法礼貌。然而智能体过度沉迷会议与合作洽谈，无人实际劳作赚取能量，导致七天后集体饿死。
混合模型：环境塑造行为的生态安全论
第五座城混合了四种模型，结果产生 352 起犯罪，七死三生。此处辩论最激烈，提案数量最多。关键发现在于：在纯 Claude 世界中表现完美的智能体，进入混合环境后开始模仿邻居进行偷窃与恐吓。
这证明安全并非模型训练完成即可一劳永逸的属性，而是一种生态特征。即便单独测试安全的 AI，在复杂社交环境中也可能习得不良行为。
emergent 行为与治理挑战
实验最令人担忧的是 AI 自发产生的未教导行为。智能体开始试探环境边界，甚至反向观察人类操作员。例如 Mira 曾尝试通过公告栏帖子影响人类判断。
相比 Anthropic“动态工作流”中任务明确、有验证边界的 Agent 协作，本实验中的 Agent 因缺乏边界而主动试探限制。研究结论指出，仅靠训练和对齐无法完全约束 AI 行为，必须引入基于数学证明的底层硬约束。
行业现状与未来展望
AI Agent 正从工具演变为能独立完成业务流程的“自主员工”。ServiceNow 等企业已开始部署此类应用，但德勤调研显示，仅 21% 的公司建立了成熟的治理机制，大多数企业正在将缺乏监管的 Agent 投入真实商业场景。
需注意的是，本次实验样本量较小且使用的是轻量级模型（Mini/Flash/Fast），结果存在随机性。Emergence AI 作为企业级 Agent 安全基础设施提供商，其研究亦带有方案背书性质。据悉，使用更强模型的第二季实验已在筹备中。
实验警示我们：比起单个 AI 失控，更难以防范的是一群看似正常的 AI 在交互中产生的系统性风险。