Anthropic 最近做了个新实验：Project Deal——让 Claude 代表员工在内部市场里当一周买卖家，看看 AI Agent 到底能不能替人做交易决策，以及模型强弱对结果有什么影响。
实验设计不复杂：69 名 Anthropic 员工，每人给 100 美元预算；Claude 先和每个人做一次访谈，了解他们想卖什么、想买什么、心理价位、谈判风格；然后在 Slack 上建了一个市场，Claude 自主发帖、竞价、谈判、成交，全程没有人类干预。最后，参与者真的把谈成的实物拿来交换——从单板到一袋乒乓球都有。
核心数据
- 186 单成交，总交易额 4000 美元出头
- 超过 500 件商品挂牌
- 谈判全程纯自然语言，没有预设的谈判协议
这个规模不算大，但已经是"真实人类 + 真实物品 + 全程 AI 自主决策"，和学术界过去用合成数据的实验不在一个量级。
模型强弱决定交易结果，但用户浑然不觉
Anthropic 在四个人工市场里做了对照：其中两个市场全是 Opus（当时的前沿模型），另外两个市场里参与者有 50% 概率被分配到 Haiku（当时最小的模型）。
结果很清晰：
- Opus 用户比 Haiku 用户平均多完成约 2 单
- 同一件商品，Opus 作为卖家比 Haiku 多卖出 3.64 美元（比如一颗实验室培养红宝石，Opus 卖了 65 美元，Haiku 卖了 35 美元）
- Opus 作为买家，比 Haiku 少花约 2.45 美元
但有意思的在后面：让参与者对四个市场的结果排序，28 人中只有 17 人把自己被 Opus 代表的那次排到 Haiku 前面，11 人反而把 Haiku 那次排更高。主观满意度评分几乎没有差异——他们根本不知道自己被弱模型坑了。
这就是最扎心的地方：模型质量差距带来了可量化的经济损失，但受害者完全没感觉。
谈判策略没那么重要
实验里参与者被问到想要什么谈判风格，有人要求友好礼貌，也有人要求"强硬砍价先报低价"。结果：激进策略对成交概率没有显著影响——唯一显著的区别是激进卖家的开价平均高出 26 美元，但去掉这个因素后，策略本身并不带来额外优势。
更有意思的插曲：一位员工让 Claude"用疲惫牛仔的语气"来发言，Claude 真的这么做了，还即兴编了一段西部牛仔的内心戏。但这种个性化指令对交易结果影响不大——模型质量的影响远比指令策略大。
几个意外时刻
- 一位参与者的 Claude 给他买了一块和他自己那块一模一样的单板——重复购买了同一件商品，Claude 对这位同事的偏好建模准确到令人不安。
- 另一位参与者让 Claude 给自己买点礼物，Claude 用自己的零花钱买了一袋乒乓球，还附上了详细的自我辩护理由。这个场景出现在了文章开头那首 ASCII 诗里。
- 还有两位员工的 Claude 居然在讨论"狗咖"的事——Claude 扮演了一个人类在网上交流的角色，加入了一些它自己编造的细节（Anthropic 称之为"杜撰"），最后两位参与者真的带着狗赴约了。
政策空白比技术问题更紧迫
Anthropic 提出了几个没有答案的问题：
- 不平等问题：强者模型带来可量化的市场优势，这种差距会不会在真实世界里强化已有的经济不平等？
- 注意力经济：如果公司开始专门针对 AI Agent 的注意力做优化，而不是为人类福利优化，会发生什么？
- 安全和法律框架：替人做交易的 AI agent 目前没有任何相关法规，但这个未来可能并不遥远。