Tom's Hardware 报道称，在 Minecraft 中运行的 50 个智能体组成的团队未能建立起文明，反而陷入了报道所描述的令人瘫痪的官僚主义。值得注意的细节在于失败所在之处：协调与流程开销，而非单个智能体的任务失败。每个智能体显然都能行动；但集体无法就下一步该做什么达成一致。
该实验运行在一个开放式沙盒游戏中，而非有边界的基准测试。这一区别对工程实践很重要。有边界的基准测试往往在固定任务定义下奖励单个智能体的能力，而开放式环境则暴露出智能体之间协商、角色分配、状态协调和轮流发言的成本——这些智能体必须共同决定范围。当这些成本的增长速度快于任务本身时，增加智能体反而会减少吞吐量。
对于设计多智能体集群的团队来说，这一结果是一个具体且可复现的数据点：在开放式任务中，限制集群规模的是协调开销，而非模型能力。实际意义在于，拓扑结构、协议和终止规则应当获得与模型选择同等的评估严谨性。从所提供的报道中，若干细节仍不清楚：智能体使用的具体协调机制、运行次数，以及是否有任何干预使该群体摆脱了僵局。Behzat AI 将其视为评估设计的有用参考点，而非对集群架构的普遍定论。