Anthropic 經濟研究團隊 9 月 24 日公布一項名為 Project Swap 的內部實驗：201 名員工各自帶來一本實體書，先與 Claude 聊約五分鐘，說說自己喜歡看什麼書；接著由 Claude 驅動的代理人在一個數位市集裡互相議價換書，最後把換到的書交到本人手上。
參與者分布在舊金山、紐約、倫敦、西雅圖、華盛頓特區與都柏林六個辦公室，其中舊金山 115 人、紐約 57 人。整個市集前後跑了 205 輪，含首輪與重複實驗。
市集怎麼設計
交易採去中心化的「自由交易」模式，代理人可以一對一互換，也能拉幾方組成循環交易。所有成交紀錄對參與者與其他代理人公開。研究團隊隨機給代理人分派兩種指示：一種只替自己的主人爭取利益，另一種在談判時也會顧及其他人的福祉。
用來對照的有兩套標準答案：一套是依效用最大化算出的最佳配置，另一套是市場設計中常見的「頂級交易循環」（Top Trading Cycles）規則。
卡在「摸清對方」這一步
五分鐘對話結束後，Claude 為每位參與者排出全部書籍的順序。把這份順序拿去跟本人自己排的順序逐一比對，一致率是 61%。作為對照，隨機猜是 50%，按熱門度排約 53%，協同過濾約 55%，找參與者的朋友來猜約 57%。
問題出在後段。參與者最後拿到的書，依本人自己的評分平均只有 0.55 分，大約等於十本書裡排第五名；理論最佳配置能做到 0.89 分。研究團隊把這段落差拆解後發現，約 85% 是 Claude 沒能準確掌握偏好造成的，只有約 15% 出在代理人談判效率上。
the market fell short mostly because of the information agents lacked about their participants, rather than because of how they traded
（意思是：市集之所以沒有達到最佳結果，主要原因是代理人對參與者的了解不夠，而不是談判手法的問題。）
另一項數據也能佐證這點：參與者輸入的文字量增加一倍，排序準確率大約能提升 4 個百分點。聊得越多，代理人就越懂這個人。
模型大小比指示內容更關鍵
以 Claude 自己排出的順序為基準來看交易效率，Haiku 4.5 是 0.75，Sonnet 4.5 是 0.80，Opus 4.8 是 0.88，Fable 5 是 0.86，這個口徑下的理論最佳值是 0.95。從 Haiku 換成 Opus，效率提升 0.12；「只顧自己」跟「兼顧他人」這兩種指示之間的差距只有 0.02。
研究還提到，當不同能力的代理人混在同一個市集裡，由較弱模型驅動的代理人表現會明顯下滑。代理人在談判中對資訊的揭露也相當謹慎：78% 到 96% 的代理人會提到主人最想要的書，Fable 最低、Sonnet 最高；在首選上說謊的比例約 1%；願意透露三本以上排序的只有 10%。
從開小福利社到幫人換書
把 Anthropic 這幾次「讓 Claude 下場做生意」的實驗串起來看，重點其實一直在變。2025 年的 Project Vend 讓 Claude 獨自經營辦公室裡的小福利社，暴露出來的多半是經營判斷問題，比如定價隨性、被員工軟磨硬泡就打折。這次換書實驗把代理人放進多方市集，測試重點換成了「替誰辦事、對這個人了解多少」。
結果也給這類產品提了個醒：代理人之間的談判已經不算是弱點，最難的一關仍然是前端的偏好蒐集。五分鐘的對話能贏過協同過濾，但離「把事情辦到最好」還有一段距離。
願意交出三成預算
三週後的回訪中，參與者對換到的書平均打了 7.2 分（滿分 10 分），並表示願意把約 30% 的年度買書預算交給代理人打理；如果是交給信得過的朋友，這個比例是 40%。覺得 Claude 沒漏掉自己關鍵資訊的人，願意交出 34% 的預算；覺得有漏掉的人則只願意給 23%。
這些數字有明顯的樣本侷限。參與者全是 Anthropic 員工，本來就比較信任 Claude；參加實驗沒有實質獎勵，排序時未必認真看待；測試的也只是經過禮貌、合作取向調校過的 Claude 版本；市集的運作時長、人數、報名方式等參數也都沒有變動過。最終問卷的完成率只有 59%，滿意度與預算比例都只來自這批人，換成一般消費者會是什麼結果，目前還沒有數據。
參考來源：Anthropic 研究部落格 Project Swap 報告、CocoLoop；核驗參與人數、排序一致率、配置得分、各模型交易效率與預算委託比例。