Anthropic 经济研究团队 9 月 24 日公布了一个叫 Project Swap 的内部实验：201 名员工每人带来一本实体书，先和 Claude 聊大约五分钟，说说自己爱读什么；随后由 Claude 驱动的代理在一个数字市场里互相议价换书，最后把换来的书交到本人手上。
参与者分布在旧金山、纽约、伦敦、西雅图、华盛顿特区和都柏林六个办公室，其中旧金山 115 人、纽约 57 人。整个市场前后跑了 205 轮，包括首轮和重复实验。
市场怎么搭
交易场是去中心化的“自由交易”模式，代理既可以一对一交换，也可以拉几方组成轮转。所有成交记录对参与者和其他代理公开。研究团队给代理随机分了两种指令：一种只替自己的主人争利益，另一种在谈判中兼顾别人的福利。
用来对照的有两套标准答案：一套是按效用最大化算出来的最优分配，另一套是市场设计里常用的顶级交易循环（Top Trading Cycles）规则。
卡在“懂人”这一步
五分钟对话之后，Claude 为每位参与者给所有书排了序。拿这份排序和本人自己的排序逐对比较，一致率是 61%。作为参照，随机猜是 50%，按流行度排约 53%，协同过滤约 55%，让参与者的朋友来猜约 57%。
问题出在下游。参与者最终拿到的书，在自己心目中的平均得分是 0.55，大约相当于十本书里排第五；理论最优分配能做到 0.89。研究团队把这段差距拆开，约 85% 来自 Claude 对偏好的把握不准，只有约 15% 算在代理谈判效率上。
“the market fell short mostly because of the information agents lacked about their participants, rather than because of how they traded” （市场没做到最优，主要是代理对参与者了解不够，谈判手法倒在其次。）
另一个数据能佐证这一点：参与者输入的文字量翻倍，排序准确率大约提升 4 个百分点。聊得越多，代理越懂人。
模型大小比指令更要紧
在 Claude 自己给出的排序基础上看交易效率，Haiku 4.5 为 0.75，Sonnet 4.5 为 0.80，Opus 4.8 为 0.88，Fable 5 为 0.86，这一口径下的理论最优是 0.95。从 Haiku 换到 Opus，效率提升 0.12；“只顾自己”和“兼顾他人”两种指令之间的差距只有 0.02。
研究还提到，不同能力的代理混在同一个市场里时，较弱模型驱动的代理表现会明显下滑。代理在谈判中的信息披露也很谨慎：78% 到 96% 的代理会提到主人最想要的书，Fable 最低、Sonnet 最高；在首选上说谎的比例约 1%；肯透露三本以上排序的只有 10%。
从开小卖部到替人换书
把 Anthropic 这几次“让 Claude 下场做买卖”的实验串起来看，思路在变。2025 年的 Project Vend 让 Claude 独自经营办公室里的小卖部，暴露的多是经营判断问题，比如定价随意、被员工软磨硬泡就打折。这次换书实验把代理放进多方市场，测的重点换成了“替谁办事、对他了解多少”。
结果也给这类产品提了一个醒：代理之间的谈判已经不算短板，最难的一环仍在前端的偏好采集。五分钟聊天能赢过协同过滤，但离“把事办到最好”还差得远。
愿意交出三成预算
三周后的回访里，参与者对换到的书平均打分 7.2（满分 10），并表示愿意把约 30% 的年度购书预算交给代理打理；交给信得过的朋友，这个比例是 40%。觉得 Claude 没漏掉自己关键信息的人，愿意交出 34% 的预算；觉得有遗漏的人只给 23%。
这些数字有明显的样本局限。参与者全是 Anthropic 员工，天然更信任 Claude；参加实验没有物质激励，排序时未必认真；测试的只是经过礼貌、合作方向调校的 Claude 版本；市场运行时长、人数、登记方式等参数也没有改动过。最终调查的完成率只有 59%，满意度和预算比例都来自这部分人，放到普通消费者身上会怎样，目前没有数据。
参考来源：Anthropic 研究博客 Project Swap 报告、CocoLoop；核验参与人数、排序一致率、分配得分、各模型交易效率与预算委托比例。