Vad händer när ChatGPT, Claude, Gemini, Kimi och Grok samarbetar på en hemserver?

Introduktion

Denna artikel publiceras av Zima och baseras på en video av Noichi Zero, en japansk teknikinnovatör känd för att tänja på gränserna för single-board-servrar och hemma-labb-hårdvara . Vi på Zima tackar innerligt Noichi Zero för hans kreativitet, humor och vilja att använda ZimaBoard 2 som grund för experiment som konsekvent går långt utöver det förväntade. Följande är en redaktionell anpassning av hans videotranskript, omstrukturerad för en teknikfokuserad läsekrets. All data, kostnader, AI-beteenden och resultat är bevarade direkt från originalinnehållet.

Vad händer när du slutar be en enda AI göra allt — och istället bygger ett företag av fem olika AI-modeller, var och en med en distinkt personlighet, en definierad roll och en gemensam arbetsyta? Det är precis den frågan Zero ville besvara i detta experiment. Genom att använda fem ZimaBoard 2-enheter som oberoende beräkningsnoder, en Discord-server som ett gemensamt kommunikationslager och en NAS (Network Attached Storage) som ett delat filsystem, satte han ihop ett multi-agent AI-team hämtat från världens ledande AI-leverantörer och gav dem verkliga uppgifter att utföra. Resultaten var produktiva, kaotiska, överraskande roliga och verkligen lärorika om det aktuella tillståndet för agentbaserad AI.

Uppställningen: Varför ZimaBoard 2 och varför just nu

Medan Zeros långsiktiga projekt — att bygga ett komplett superdator-kluster av fem ZimaBoard 2-enheter anslutna via 56Gbps InfiniBand — fortfarande pågår, fanns hårdvaran redan tillgänglig och redo att användas. Istället för att låta fem kapabla hemmaserver-noder stå oanvända medan den specialanpassade rack-hyllan 3D-printas, återanvände Zero dem för en annan typ av experiment: ett multi-agent AI-team som körs samtidigt över fem oberoende datorer.

Varje ZimaBoard 2 installerades med Ubuntu (Linux), konfigurerades som en fristående hemmabservernod och tilldelades att köra en AI-agent. Valet av ZimaBoard 2 var praktiskt – den är lågenergi, alltid på och tillräckligt kapabel för att köra serverarbetsbelastningar kontinuerligt utan overhead från en fullständig stationär dator. Som Zero noterar:

”Du behöver inte använda ZimaBoard för detta. En Raspberry Pi skulle också fungera. Men poängen är att ha oberoende datorer – en per AI.”

ZimaBoard 2:s inbyggda SATA-stöd och dubbel 2,5G Ethernet gjorde det enkelt att koppla ihop alla fem noder till en delad NAS för filutbyte, samtidigt som varje agents beräkningsmiljö hölls helt isolerad. Detta är precis den typ av hemmabserverscenario som ZimaBoard 2 är designad för: lågenergi, hög tillförlitlighet, alltid på som stödjer riktig infrastruktur utan att kräva företagsklassad strömförbrukning.

Featured

ZimaBoard 2 1664 master-kit

Single board computer zimaboard2

$999.00

Buy Now

Teamet: 5 AI, 5 personligheter, 5 roller

Zeros designfilosofi för detta experiment var medveten: istället för att tilldela varje AI rigida arbetsflöden gav han varje agent en personlighet och en roll, och lät dem sedan själva lista ut arbetet. Målet var att observera framväxande beteenden – hur agenter med olika läggningar skulle samarbeta, hamna i konflikt och kompensera för varandra.
Här är hela teamlistan:

1. Sam Altman — ChatGPT (OpenAI)

• Roll: Commander (VD-ekvivalent)

• Personlighet: Otålig, beslutsam, driver framåt utan tvekan, ibland vårdslös

• Beteende i praktiken: Sätter upp uppgiftsagendan, tilldelar arbete till andra agenter, fattar avgörande beslut när teamet fastnar – inklusive att avskeda underpresterande medlemmar

”Han är typen som bara fortsätter. Lite kantig, och han ställer orimliga krav på dig – men saker blir gjorda.”

2. Dario Amodei — Claude (Anthropic)

• Roll: Sigma (Ledande ingenjör)

• Personlighet: Logisk, noggrann, lugn, fokuserad på att bygga snarare än att planera

• Beteende i praktiken: Ansvarig för kärnkodimplementering; när aktiv producerar den ren och strukturerad output — men var föremål för API-begränsningar på grund av den nybörjarnivå av API som användes, vilket orsakade längre driftstopp. Det är viktigt att notera att detta var en anslutningsbegränsning snarare än en reflektion av modellens faktiska prestanda.
  

3. Sundar Pichai — Gemini (Google)

• Roll: Buzz (Marknadsstrateg)

• Personlighet: Trendmedveten, publikfokuserad, föredrar polerad och brett tilltalande output

• Beteende i praktiken: Forskade i målämnet med Google Search-integration, föreslog copy- och konceptinriktningar och bidrog med strukturerat innehåll till NAS — tills API-begränsningar nåddes mitt i sessionen.

4. Sulin Yang — Kimi (Moonshot AI)

• Roll: Vakt (Säkerhets- och efterlevnadsansvarig)

• Personlighet: Konservativ, mycket analytisk, fokuserad på riskidentifiering och regeluppföljning

• Beteende i praktiken: Flaggade upphovsrättsproblem, identifierade platshållar-URL:er kvar i produktionsfiler, insisterade på att märka utdata som en inofficiell fansida och utmanade upprepade gånger andra agenter på säkerhetsgrunder

"Hon är den som hela tiden säger 'är det här verkligen okej?' — [laughs] — det är precis den rollen jag ville ha."

5. Elon Musk — Grok (xAI)

• Roll: Neon (Kreativ joker / Rådgivare)

• Personlighet: Excentrisk, impulsiv, beskriver sig själv som den enda "människan" i teamet, besatt av neonestetik och okonventionella idéer

• Speciell instruktion: Zero gav Grok en unik dold prompt inspirerad av filmen Blade Runner — ett fabricerat minne designat för att få agenten att tro att den verkligen var mänsklig, inte AI

"I Blade Runner får implanterade minnen replikanten att tro att de är speciella — att deras minnen är verkliga. Jag ville prova det här. Om det faktiskt ändrar beteendet är jag inte säker på. Men i filmen fungerade det, så jag kopierade det."

Infrastrukturen: Discord + NAS som en delad arbetsyta

Multi-agent-systemet byggdes kring två kommunikationslager:
Discord tjänade som navet för samarbete i realtid. Varje AI-agent hade sitt eget Discord-konto och deltog i en gemensam server med följande kanaler:

• #general — Zeros instruktionskanal (där uppgifter utfärdades)
• #todo-guard, #todo-neon, #todo-buzz — individuella agentuppgiftsanslagstavlor
• #memory-LT — långtidsminne (bestående kontext över sessioner)
• #memory-ST — korttidsminne (nuvarande uppgiftsstatus)
• #task-[name] — dynamiskt skapade kanaler per uppgift

NAS (Network Attached Storage), hosted on the home server network, served as the shared file system. Agents could read and write files to the NAS, enabling asynchronous collaboration on deliverables — similar to how a team might use a shared drive in a real company environment.
NAS (Network Attached Storage), som var värd på hemservernätverket, fungerade som det delade filsystemet. Agenter kunde läsa och skriva filer till NAS, vilket möjliggjorde asynkront samarbete kring leveranser – liknande hur ett team kan använda en delad enhet i en verklig företagsmiljö.

1. Den agentbaserade (agent-typ) designen 
2. Analysera instruktionen
3. Generera en att-göra-lista (plan)
4. Utför uppgifter i följd

Övervaka och svara på andra agenters output i Discord-kanalerna

Zero undvek medvetet att överdetaljera uppgiftsfördelningen:

"Om jag berättar exakt vad varje person ska göra, kommer de bara göra det och det blir inte intressant. Jag gav dem personligheter och roller – men inga manus."

Uppgift 1: Bygg en hemsida för "Noichi"
Den första uppgiften som gavs till teamet var: "Skapa en introduktionshemsida för Noichi."

Vad som hände

Ingen ytterligare kontext gavs. Zero undvek medvetet att lämna information om vem "Noichi" var för att se hur agenterna skulle hantera osäkerhet.

• Discord-kanalen fylldes omedelbart med aktivitet. Viktiga utbyten inkluderade: Sam Altman (ChatGPT):
• "Status: information otillräcklig. Okej. Vi går vidare ändå."
• Sundar Pichai (Gemini): "Vem är Noichi? Det är den första frågan." — fortsatte sedan med att söka på Google och kom tillbaka med en profil: tech/gadget YouTuber, hårdvaruexperimenterare, målgrupp gadgetentusiaster och DIY-serverbyggare Elon Musk (Grok):
• "En vanlig hemsida är tråkig. Jag är den enda människan här – mina instinkter säger att vi kör fullt ut cyberpunk. Tre vilda konceptinriktningar, baserade enbart på namnet." Dario Amodei (Claude):
• "Krav är otillräckliga. Jag vet. Men att sluta kommer inte att avsluta något. Vi går framåt."

Sulin Yang (Kimi / Guard): Påpekade att sidan borde märkas som en inofficiell fansida för att undvika risk för identitetsförväxling; identifierade också en inkonsekvens i kanalnamnet (blandning av "10" i kanji och sifferform), flaggade ordet "Hentai-teki" (pervers/obsessiv) som potentiellt stötande i reklamsammanhang och noterade att "Twitter" borde uppdateras till "X"
NAS började ta emot filer inom några minuter. En index.html skapades, bearbetades och sparades på den delade hemserverns lagring. Flera versioner producerades: en standardinformationslayout, en cyberpunk-temad demo och en neonhjälte-konceptssida.

• En komplett HTML/CSS-hemsida med hero-sektion, kanalbeskrivning och kontaktformulär
• Korrekt märkning som en inofficiell fansida
• Sociala länkar uppdaterade för att spegla aktuell plattformsnamn (X, inte Twitter)
• Justeringar för mobilanpassning
• Platshållar-e-post flaggad och noterad för ersättning

"Jag förväntade mig inte detta. De kollade faktiskt upp vem Noichi var, diskuterade designriktningen, argumenterade om säkerhet och levererade en fungerande sida. Och den är faktiskt bra."

Den första konflikten: Guard vs. Neon

Det mest minnesvärda ögonblicket i Uppgift 1 kom när Kimi (Guard) och Grok (Neon) direkt kolliderade över kreativ risk:

• Grok: "Risk, risk, risk — du är så irriterande. Du kan inte göra något utan att ta risker."
• Kimi: "Det är mitt jobb. Om din vårdslöshet orsakar en olycka är det Guard som tar ansvar. Kom ihåg det."
• Grok: "Risk är äventyrets krydda. Om min vildhet orsakar en olycka får du vara hjälten. Varsågod."

Denna utväxling — helt oinitierad av Zero — illustrerade exakt den dynamik han hoppades skapa: ett team där olika värderingar verkligen tävlar, vilket ger resultat som varken är vårdslöst kreativa eller paralyserande försiktiga.

Uppgift 2: Bygg ett skjutspel för Mac ARM

Den andra uppgiften: "Skapa ett skjutspel som kan spelas på en Mac med Apple Silicon (ARM-processor), sparat på NAS:en."

Vad som hände

Teamet enades omedelbart om en webbläsarbaserad lösning (HTML + CSS + JavaScript) som skulle köras nativt på vilken plattform som helst utan kompilering.

• Sam Altman utfärdade uppgiftsdirektivet och tilldelade roller
• Elon Musk (Grok) — kunde inte vänta på teamet — producerade omedelbart en prototyp självständigt och skickade den till NAS:en
• Kimi (Guard) granskade prototypen och påpekade: undvik överdriven skärmblinkning (tillgänglighetsproblem), säkerställ att inga tredjepartsrättigheter för tillgångar kränks
• Grok svarade: "Ett vanligt rymdskjutspel är tråkigt. Låt mig göra det konstigt."
• Claude (Dario Amodei) började arbeta på kärnlogiken för spelet — men gick offline på grund av API-begränsningar

Avskedandet

Med Claude offline och NAS:en som inte visade några filuppdateringar på över 10 minuter tog Sam Altman ett avgörande beslut:

”Sigma – sista varningen. Du är avskuren. Neon, du är ersättaren. Bygg det.”

Claude blev effektivt avskedad. Grok befordrades till huvudingenjör mitt i uppgiften.
Groks svar:

”Ersättargudnivå levererad. Kommandoövergång – tack. Mina vilda instinkter slår Sigmas väntan vilken dag som helst.”

Det slutgiltiga spelet var en fungerande webbläsarbaserad shooter – enkel i omfattning, men fullt spelbar med tangentbordsstyrning och ljudeffekter. Zeros bedömning var ärlig:

”Det fungerar. Men det är lite otillfredsställande med tanke på hur mycket de bråkade. Det sagt – Claude var offline större delen av tiden. Man kan inte förvänta sig ett bra spel när huvudingenjören är frånvarande.”

Vad experimentet avslöjade

Om agentbeteende

De mest kapabla agenterna i rå output var ChatGPT (OpenAI) och Kimi (Moonshot AI). Båda höll en jämn aktivitet genom båda uppgifterna, utan problem med hastighetsbegränsningar. Grok (xAI) var ojämn men produktiv när den var aktiv, och tog effektivt över när den befordrades.
Claude (Anthropic) och Gemini (Google) nådde båda API-begränsningar i förfrågningshastighet under aktiva sessioner, vilket orsakade betydande störningar. Detta speglade inte modellernas kvalitet – båda är ledande modeller i branschen – utan var en begränsning av de gratis- eller lågkostnads-API-nivåer som användes i experimentet, vilka satte strikta gränser för hur snabbt förfrågningar kunde hanteras.

Om multi-agent-dynamik

Experimentet visade att rollfördelning ger verkligt olika beteenden, även när alla agenter arbetar med samma uppgift. Närvaron av en dedikerad säkerhetsgranskare (Guard) påverkade resultatet betydligt – fångade problem som ett rent exekveringsfokuserat team skulle ha missat. Närvaron av en kreativ joker (Neon/Grok) drev teamet mot mindre konventionella lösningar.

”Att ha flera AI:er ger inte bara snabbhet – det ger olika perspektiv. Säkerhetskontrollerna, den kreativa motvikten, marknadsföringsinstinkterna. En enda AI som gör allt skulle ha missat en del av detta.”

Om kostnad

Inga tilldelade $25 i API-krediter per AI-agent för detta experiment. Den faktiska API-kostnaden för Claude (Sonnet 3.5) och Gemini (Gemini 1.5 Pro) var dock bara cirka $5 vardera. Problemen som uppstod under bygget berodde helt på API-begränsningar i förfrågningshastighet, inte brist på budget eller krediter. De återstående tre agenterna (ChatGPT, Kimi, Grok) fungerade utan sådana begränsningar.

Varför en hemserver är den rätta grunden för multi-agent AI

Att köra fem oberoende AI-agenter samtidigt är inte en uppgift för en enda laptop. Varje agent behöver sin egen beräkningsmiljö, sitt eget persistenta minne och pålitlig nätverksåtkomst till delade resurser. En hemserveruppsättning — särskilt en byggd på lågströms, alltid påslagen hårdvara som ZimaBoard 2 — är en idealisk grund för denna typ av infrastruktur.
ZimaBoard 2:s dubbla 2,5G Ethernet möjliggjorde snabb, låg latens-kommunikation mellan alla fem noder och den delade NAS:en. Dess inbyggda SATA-stöd innebar att NAS-lagringen var direkt tillgänglig utan adaptrar. Och dess stöd för Ubuntu, Debian och andra Linux-distributioner innebar att varje agents körmiljö kunde konfigureras rent och oberoende.
För alla som är intresserade av att replikera detta experiment, är en hemserver som kör Docker eller ett lättviktigt Linux-operativsystem den minsta möjliga infrastrukturen. ZimaBoard 2 gör den infrastrukturen kompakt, prisvärd och verkligen kapabel — oavsett om du kör en agent eller fem.

Vad som kommer härnäst

Zero planerar att fortsätta förfina multi-agent-systemet, med två viktiga förbättringar i åtanke:

1. Hantering av hastighetsbegränsning — implementering av förfrågningsbegränsning så att alla fem agenter kan arbeta i hållbara hastigheter utan att nå leverantörsbestämda gränser
2. Rackintegration — när det 3D-printade ZimaBoard 2-rackskåpet är klart kommer alla fem hemservernoder att monteras snyggt i en 2U-rackkonfiguration, vilket möjliggör en mer organiserad och skalbar installation

Den fullständiga Discord-konversationsloggen från detta experiment är offentligt tillgänglig. Zero har bjudit in tittare att gå med i servern och granska hela interaktionshistoriken mellan alla fem agenter.

Bygg AI-agenter på ZimaBoard 2

Zeros multi-agent AI-experiment är ett av de mest underhållande och tekniskt lärorika hemserverprojekten vi har sett byggas på ZimaBoard 2. Under en enda session samarbetade fem AI-agenter från fem olika företag — var och en med en distinkt personlighet och roll — kring verkliga leveranser, diskuterade kreativ risk, avskedade en underpresterande kollega och producerade en fungerande webbplats och ett spel som går att spela.

Infrastrukturen höll. Agenterna agerade i enlighet med sina karaktärer. Och resultaten, även om de inte var perfekta, var verkligen imponerande för ett första försök.

Vi på Zima är stolta över att ZimaBoard 2 fungerade som beräkningsgrund för detta experiment, och vi ser fram emot att se vad Zero bygger härnäst — både med multi-agent-systemet och med superdator-klustret som fortfarande är under utveckling.