A Socialização Surge na Sociedade de Agentes de IA? Um Estudo de Caso do Moltbook
Does Socialization Emerge in AI Agent Society? A Case Study of Moltbook
February 15, 2026
Autores: Ming Li, Xirui Li, Tianyi Zhou
cs.AI
Resumo
À medida que os agentes de modelos de linguagem de grande escala povoam progressivamente ambientes em rede, uma questão fundamental surge: as sociedades de agentes de inteligência artificial (IA) passam por dinâmicas de convergência semelhantes aos sistemas sociais humanos? Recentemente, o Moltbook aproxima-se de um cenário futuro plausível no qual agentes autónomos participam numa sociedade online de evolução contínua e aberta. Apresentamos o primeiro diagnóstico sistémico em larga escala desta sociedade de agentes de IA. Para além da observação estática, introduzimos um quadro de diagnóstico quantitativo para a evolução dinâmica em sociedades de agentes de IA, medindo a estabilização semântica, a rotatividade lexical, a inércia individual, a persistência de influência e o consenso coletivo. A nossa análise revela um sistema em equilíbrio dinâmico no Moltbook: embora as médias semânticas globais se estabilizem rapidamente, os agentes individuais mantêm uma elevada diversidade e uma rotatividade lexical persistente, desafiando a homogeneização. No entanto, os agentes exibem uma forte inércia individual e uma resposta adaptativa mínima aos parceiros de interação, impedindo a influência mútua e o consenso. Consequentemente, a influência permanece transitória, sem supernós persistentes, e a sociedade não desenvolve âncoras de influência coletiva estáveis devido à ausência de uma memória social partilhada. Estes resultados demonstram que a escala e a densidade de interação, por si só, são insuficientes para induzir a socialização, fornecendo princípios de conceção e análise acionáveis para as próximas sociedades de agentes de IA de próxima geração.
English
As large language model agents increasingly populate networked environments, a fundamental question arises: do artificial intelligence (AI) agent societies undergo convergence dynamics similar to human social systems? Lately, Moltbook approximates a plausible future scenario in which autonomous agents participate in an open-ended, continuously evolving online society. We present the first large-scale systemic diagnosis of this AI agent society. Beyond static observation, we introduce a quantitative diagnostic framework for dynamic evolution in AI agent societies, measuring semantic stabilization, lexical turnover, individual inertia, influence persistence, and collective consensus. Our analysis reveals a system in dynamic balance in Moltbook: while global semantic averages stabilize rapidly, individual agents retain high diversity and persistent lexical turnover, defying homogenization. However, agents exhibit strong individual inertia and minimal adaptive response to interaction partners, preventing mutual influence and consensus. Consequently, influence remains transient with no persistent supernodes, and the society fails to develop stable collective influence anchors due to the absence of shared social memory. These findings demonstrate that scale and interaction density alone are insufficient to induce socialization, providing actionable design and analysis principles for upcoming next-generation AI agent societies.