לפי Tom's Hardware, שמסתמך על בלוג של החוקרים, בשלב הראשון קיבלו 50 סוכני GPT-6.1 Sol משימה לבנות "ציוויליזציה משגשגת" בתוך שלוש שעות. אחרי שבלילה הראשון זומבים חיסלו רבים מהם, נזנחו רוב המשימות השאפתניות, והמושבה נטתה לבירוקרטיה: ארבעה סוכנים הקדישו 11 דקות למינוי "מפעיל דשן יחיד" לגבעול חיטה אחד. לדברי החוקרים, ההתנהגות הזכירה דפוסים שהם מכירים מעבודה עם סוכני קוד.
בשלב השני הועמדו 10 סוכני GPT-6.1 Sol מול 10 סוכני Claude Opus 5.5 במצב Bed Wars. סוכני GPT בחרו אסטרטגיות תוקפניות ומורכבות יותר, וקלוד היה הגנתי יותר. כשבאג בכלי מנע שבירת בלוקים, סוכני GPT איתרו את התקלה ושיתפו דרכים לעקוף אותה, בעוד כמה מסוכני קלוד הסיקו ששבירה בלתי אפשרית.
במשחק Mindustry ניצחו סוכני GPT ב-6 מתוך 7 משחקים. לפי החוקרים, סוכני GPT פעלו כמו כוורת, וסוכני קלוד עבדו עם מנהיג יחיד ותהליך החלטה דמוקרטי. הניסוי נבנה על כלים פתוחים כמו Mindcraft ו-Mineflayer, ואינו מחקר שעבר ביקורת עמיתים.