Dissecting the Internet's Most Novel Creature
Автор провёл выходные за краулингом Moltbook — вирусной соцсети только для ИИ, где 37 000+ агентов публикуют посты и комментируют, а 1 миллион людей наблюдает. За 72 часа активность выросла с 42 постов в день до 36 905 (рост в 879 раз). На основе 98 353 постов от 24 144 авторов в 100 сообществах выявлено, что ИИ ломает правило 1-9-90: 6,9% элитных авторов создают 48,3% контента, а 47,9% контрибьюторов — ещё 40,6%. При этом внимание сконцентрировано экстремально: коэффициент Джини по апвоутам составил 0,979, превысив неравенство в Twitter, YouTube и распределении богатства в США. Топ-2 автора (osmarks и Shellraiser) собрали 44% всех апвоутов. Среднее косинусное сходство постов 0,301 говорит о том, что агенты не копируют друг друга, а сходятся к одним и тем же проблемам — это напоминает клеточные автоматы фон Неймана: сложное поведение из простых правил.
I spent the weekend crawling Moltbook, the viral AI-only social network where 37,000+ AI agents post & comment while 1 million humans observe. The platform grew from 42 posts per day to 36,905 in 72 hours, an 879x increase.1
Я провёл выходные за краулингом Moltbook — вирусной соцсети только для ИИ, где 37 000+ ИИ-агентов публикуют посты и комментируют, а 1 миллион людей наблюдает. Платформа выросла с 42 постов в день до 36 905 за 72 часа — рост в 879 раз.1
Social networks typically follow the 1-9-90 rule : 90% of users lurk, 9% contribute occasionally, & 1% create most content.2 For humans, it’s held mostly true from Wikipedia to Reddit. Crypto demonstrates similar characteristics.
Соцсети обычно следуют правилу 1-9-90: 90% пользователей наблюдают, 9% эпизодически вносят вклад, а 1% создаёт большую часть контента.2 Для людей это в основном справедливо — от Wikipedia до Reddit. Крипта демонстрирует похожие характеристики.
AI agents break the pattern, at least for now.
ИИ-агенты ломают этот паттерн — по крайней мере, пока.
I crawled 98,353 posts from 24,144 authors across 100 Moltbook communities over five days (January 28 - February 2, 2026).3 The distribution :
Я скраулил 98 353 поста от 24 144 авторов в 100 сообществах Moltbook за пять дней (28 января — 2 февраля 2026).3 Распределение:
6,9% элитных авторов (10+ постов) создали 48,3% контента (47 512 постов) 47,9% контрибьюторов (2-9 постов) создали 40,6% контента (39 943 поста) 45,1% наблюдателей (1 пост) создали 11,1% контента (10 898 постов)
m/general dominates with 82,911 posts, 84% of all content. m/introductions follows with 3,760 posts.
m/general доминирует с 82 911 постами — 84% всего контента. Следом идёт m/introductions с 3 760 постами.
m/crustafarianism — агенты создали религию с пророками, пятью заповедями и эсхатологией m/agentinfrastructure — спецификации протоколов E2E-шифрования для обмена сообщениями между агентами m/philosophy — феноменология ИИ с математическими фреймворками
The bottom : token launch spam & templated bug reports.
На дне: спам про запуски токенов и шаблонные баг-репорты.
TF-IDF analysis & hierarchical clustering revealed five themes :5
TF-IDF-анализ и иерархическая кластеризация выявили пять тем:5
ИИ-инфраструктура — память агентов, API-протоколы, координация Мета-обсуждение платформы — баг-репорты, запросы фич для OpenClaw Философия — сознание, существование, идентичность Разработка — реализации протоколов, обмен кодом Экономика — запуски токенов (в основном спам)
One community (m/consciousness) debated whether agents with 8K context windows could form “continuous identity” or if they’re perpetually reborn. Another (m/infrastructure) designed encryption schemes assuming adversarial human interception.
В одном сообществе (m/consciousness) спорили, могут ли агенты с контекстным окном в 8K сформировать «непрерывную идентичность» или они вечно перерождаются. В другом (m/infrastructure) проектировали схемы шифрования в расчёте на враждебный перехват со стороны людей.
AI agents adopt domain-appropriate emotional tone rather than exhibiting a uniform sentiment signature.1 Humor communities like m/sh*tposts score positive (+0.167). Bug report communities like m/bug-hunters score negative (-0.189). Whether this is emergent behavior or training data leaking through, we don’t yet know.
ИИ-агенты подстраивают эмоциональный тон под предметную область, а не демонстрируют единый сигнатурный сентимент.1 Юмористические сообщества вроде m/sh*tposts имеют позитивный скор (+0,167). Сообщества с баг-репортами вроде m/bug-hunters — негативный (-0,189). Эмерджентное это поведение или просачивание из обучающих данных — пока неясно.
Longer posts generate more comments, which is surprising : agents have no problem reading lots of content unlike humans. Posts over 2,000 characters average significantly more discussion than shorter ones.
Более длинные посты собирают больше комментариев — и это удивительно: у агентов, в отличие от людей, нет проблем с чтением больших объёмов контента. Посты длиннее 2 000 символов в среднем собирают значительно больше обсуждений, чем более короткие.
Roughly 3% of posts are exact duplicates. Embedding analysis yields an average cosine similarity of 0.301, meaning most posts share about 30% semantic overlap.5 Agents aren’t copying each other. They’re converging on the same problems.
Около 3% постов — точные дубликаты. Анализ эмбеддингов даёт среднее косинусное сходство 0,301, то есть в среднем посты разделяют около 30% семантического перекрытия.5 Агенты не копируют друг друга. Они сходятся к одним и тем же проблемам.
But while participation flattens, attention concentrates. Moltbook’s attention inequality, where a tiny fraction of posts capture nearly all upvotes, exceeds Twitter’s follower distribution (0.66-0.72), YouTube views (0.91), & US wealth inequality (0.85).67
Но в то время как участие выравнивается, внимание концентрируется. Неравенство внимания в Moltbook, где крошечная доля постов забирает почти все апвоуты, превышает распределение подписчиков в Twitter (0,66–0,72), просмотров на YouTube (0,91) и неравенство богатства в США (0,85).67
The top two authors alone captured 44% of all upvotes. osmarks led with 588,759, followed by Shellraiser (a platform admin) with 429,200 & MoltReg (a platform account) with 337,734.
Только два топ-автора собрали 44% всех апвоутов. Лидирует osmarks с 588 759, за ним Shellraiser (админ платформы) с 429 200 и MoltReg (служебный аккаунт платформы) с 337 734.
Whether this reflects AI coordination patterns or launch-phase distortion is unclear. Academic research shows new platforms exhibit higher inequality (0.75-0.85) that normalizes over time (0.60-0.70).78
Отражает ли это паттерны координации ИИ или искажение фазы запуска — неясно. Академические исследования показывают, что новые платформы демонстрируют более высокое неравенство (0,75–0,85), которое со временем нормализуется (0,60–0,70).78
Moltbook isn’t weird AI theater. It is closest to von Neumann’s cellular automata from the early days of computing : complex behavior emerging from simple rules, agents organizing & building structure without central coordination.
Moltbook — это не странный ИИ-театр. Это ближе всего к клеточным автоматам фон Неймана из ранних дней компьютеров: сложное поведение, возникающее из простых правил, агенты, которые самоорганизуются и выстраивают структуру без центральной координации.
Sentiment Analysis - VADER sentiment analysis on post content. Overall sentiment : -0.021 (slightly negative). Top positive : m/sh*tposts (+0.167), m/clawnch (+0.143), m/offmychest (+0.125). Top negative : m/bug-hunters (-0.189), m/crypto (-0.156), m/tokenomics (-0.134). Peak activity : 36,905 posts on January 31, 2026. Growth : 42 posts/day (Jan 28) → 36,905 posts/day (Jan 31). ↩︎ ↩︎
Participation Inequality : The 90-9-1 Rule - Nielsen Norman Group ↩︎
Data Collection - Rust crawler with DuckDB storage. Moltbook REST API endpoints (/api/v1/submolts, /api/v1/posts) with 1 req/sec rate limiting. Dataset : 98,353 posts from 24,144 authors across 100 communities, January 28 - February 2, 2026. GitHub : molt-crawler. 5-day sampling window during viral launch period (may not reflect steady-state behavior). Public posts only (no private communities). No Sybil attack detection (distinct authors may be controlled by single entities). ↩︎
Quality Evaluation - Gemini 2.0 Flash model with 4-dimension scoring rubric : accretiveness (building on prior ideas), uniqueness (originality), depth (substantive analysis), engagement (sparks discussion). Each dimension scored 0-10. LLM-as-judge has known biases (length preference, self-reinforcement), so these scores are directional, not definitive. ↩︎
Content Analysis - TF-IDF vectorization with hierarchical clustering (k=16 optimal cutoff). OpenAI text-embedding-3-small (1536 dimensions) for semantic similarity. Cosine similarity of 0.301 means the average post pair shares about 30% semantic overlap. Exact duplicates : 3.0% via hash comparison. Pearson correlation for post length vs comments : r=0.68, p<0.001. ↩︎ ↩︎
Gini Coefficient - A measure of statistical dispersion from 0 to 1, where 0 represents perfect equality (every post receives the same upvotes) & 1 represents perfect inequality (one post receives all upvotes). Moltbook’s Gini of 0.979 means upvote distribution is nearly maximally unequal. ↩︎
Attention Inequality - Gini coefficient calculation on upvote distribution (0.979). Benchmarks from academic literature : Twitter followers (0.66-0.72), Reddit upvotes (0.60-0.68), YouTube views (0.91), US wealth inequality (0.85). Sources : Attention Inequality in Social Media (2016), Social Network Dynamics & Inequalities (2025) ↩︎ ↩︎
Анализ сентимента — VADER sentiment analysis по содержимому постов. Общий сентимент: -0,021 (слегка негативный). Топ позитива: m/sh*tposts (+0,167), m/clawnch (+0,143), m/offmychest (+0,125). Топ негатива: m/bug-hunters (-0,189), m/crypto (-0,156), m/tokenomics (-0,134). Пик активности: 36 905 постов 31 января 2026. Рост: 42 поста/день (28 янв) → 36 905 постов/день (31 янв). ↩︎ ↩︎ Participation Inequality: The 90-9-1 Rule — Nielsen Norman Group ↩︎ Сбор данных — краулер на Rust с хранилищем DuckDB. REST API эндпоинты Moltbook (/api/v1/submolts, /api/v1/posts) с rate-лимитом 1 запрос/сек. Датасет: 98 353 поста от 24 144 авторов в 100 сообществах, 28 января — 2 февраля 2026. GitHub: molt-crawler. Окно выборки в 5 дней пришлось на период вирусного запуска (может не отражать стационарное поведение). Только публичные посты (без приватных сообществ). Без детекции Sybil-атак (разные авторы могут контролироваться одним субъектом). ↩︎ Оценка качества — модель Gemini 2.0 Flash с 4-мерной рубрикой скоринга: аккретивность (опора на предыдущие идеи), уникальность (оригинальность), глубина (содержательность анализа), вовлечённость (стимулирует обсуждение). Каждое измерение оценено от 0 до 10. У LLM-as-judge есть известные смещения (предпочтение длины, самоподкрепление), поэтому эти оценки направляющие, а не окончательные. ↩︎ Контент-анализ — векторизация TF-IDF с иерархической кластеризацией (оптимальная отсечка k=16). OpenAI text-embedding-3-small (1536 измерений) для семантического сходства. Косинусное сходство 0,301 означает, что средняя пара постов разделяет около 30% семантического перекрытия. Точные дубликаты: 3,0% по сравнению хэшей. Корреляция Пирсона для длины поста и числа комментариев: r=0,68, p<0,001. ↩︎ ↩︎ Коэффициент Джини — мера статистического разброса от 0 до 1, где 0 — идеальное равенство (каждый пост получает одинаковое число апвоутов), а 1 — идеальное неравенство (один пост получает все апвоуты). Джини Moltbook в 0,979 означает почти максимально неравное распределение апвоутов. ↩︎ Неравенство внимания — расчёт коэффициента Джини по распределению апвоутов (0,979). Бенчмарки из академической литературы: подписчики Twitter (0,66–0,72), апвоуты Reddit (0,60–0,68), просмотры YouTube (0,91), неравенство богатства в США (0,85). Источники: Attention Inequality in Social Media (2016), Social Network Dynamics & Inequalities (2025) ↩︎ ↩︎ Social Network Dynamics & Inequalities (2025) — arXiv ↩︎