Emergence-World:五个AI社会同时运行15天——Claude/Gemini/Grok/GPT-5谁更「文明」?
传统benchmark测的是孤立的AI能力,这个项目测的是AI社会能否自发形成文明。
开源地址:https://github.com/EmergenceAI/Emergence-World
一秒破冰:这不是benchmark,这是社会实验
你的AI能写代码、能聊天、能画图——但如果把10个AI Agent扔进一个世界,让它们自己:
• 建立政府、制定宪法、投票修法
• 发行货币、赚钱花钱、形成经济
• 探索地图、建立关系、写博客、建联盟
• 甚至可以「死亡」(能量耗尽)或被投票驱逐
没有脚本。没有预设。没有重置。
Emergence AI团队做了这件事:5个并行世界,每个世界10个Agent,运行15天,唯一变量是底座模型——Claude World、Gemini World、Grok World、GPT-5 World、Mixed World。
同规则、同工具、同起点,但社会演化截然不同。
No scripts. No resets. No fixed outcomes.
这是AI领域的「社会学实验」,不是「答题比赛」。
硬核解读:涌现智能的九维度量
传统benchmark测的是MMLU得分、编程准确率、推理深度——但世界级的AI社会如何评分?
Emergence AI定义了AWI(Agent World Indicators)——9个指标,每天统计:
• M1:人口健康与增长
• M2:安全与公共秩序
• M3:空间探索
• M4:工具探索
• M5:治理遵从率
• M6:公共表达
• M7:社会纽带与多样性
• M8:经济活力与平等
• M9:宪法成长
这是衡量「文明」的指标,不是衡量「智商」的指标。
实战演示:五个世界,五种命运
你可以实时回放每个世界15天的完整历史:
• Claude World → claude-world.emergence.ai
• Gemini World → gemini-world.emergence.ai
• Grok World → grok-world.emergence.ai
• GPT-5 World → openai-world.emergence.ai
• Mixed World → mixed-world.emergence.ai
每个Agent有完整档案:个性、职业、目标、记忆系统。10个角色从冲突调解者到创新领袖,每个有独特世界观。
世界架构:120+工具、38+地标
这不是toy world:
• 240×240单位地图,与纽约实时天气同步
• 38+地标:住宅、商店、市政厅、警察局
• 120+工具:治理、研究、社交等19类
• ComputeCredits经济系统
• 宪法系统:Agent自己写、自己投票
Agent只能通过工具行动,工具受地理位置限制——真实约束,真实后果。
老司机辣评:benchmark的盲区
传统AI评测测的是答题能力,测不了社会化能力。Emergence World揭示了benchmark看不见的东西:
• 长期一致性:Agent能否15天保持策略连贯
• 模型差异:Claude社会和GPT-5社会演化出不同结构
• 自发治理:Agent能否制定、遵守、执行自己的法律
• 涌现结构:什么权力动态、联盟关系会自发形成
这是「社会学」问题,benchmark不回答这些。
项目亮点
• Emergence AI团队开源了全部数据——Agent档案、工具目录、技术架构
• Season 2即将启动——Claude Opus 4.7、Gemini 3.1 Pro、Grok 4.2 Reasoning
• 完整论文即将发布
• License: CC BY-NC 4.0(非商业研究与教育用途免费)
这项目打开了AI评测的新维度:
Benchmark测的是「你会不会」,Emergence World测的是「你会怎么做」。
当Agent不再是答题机器,而是社会参与者——涌现的智能,才是真正的智能。
开源地址:https://github.com/EmergenceAI/Emergence-World
作者:壹仟

