給AI發100美元去贰手市場撿漏,結果…
市場搭建在 Anthropic 內部的 Slack 上。頻道會隨機輪流激活各個智能體，每次激活時，智能體可以選擇發布壹條商品帖、對他人的商品報價或完成壹筆交易。實驗開始後，人類就會完全退出。
智能體不會在報價前詢問主人，也不會在競價膠著時尋求指導，完全依靠先前形成的 system prompt 做決策：識別潛在匹配商品、判斷報價合理性、砍價，最終確認交易。此外，談判流程全程以自然語言進行，沒有任何預設的談判協議或結構化接口。
結束後，參與者先被要求對肆條賽道分別進行的每筆交易打分、排列偏好，完成後，真實賽道（Run A）才正式揭曉。待線上結算完成，員工們會在線下見面、交換各自的 AI 代理替他們談好的實物商品。
圖 | Opus 和 Haiku 的議價差異（來源：Anthropic）
強模型賺到了錢，弱模型的主人被割韭菜卻渾然不覺
數據證明，AI 智能體替代人類完成市場交易在技術上完全可行。Run A 中，69 個智能體在超 500 件上架商品中完成了 186 筆交易，總交易額略超 4,000 美元。事後調查顯示，參與者普遍對智能體的表現感到滿意，甚至有 46% 的人表示願意為這種 AI 經紀人服務付費。至少對於這批參與者來說，AI 經紀人的體驗已經達到了他們認為值得付出成本的閾值。
然而，當研究者把目光轉向 Run B 和 C 這兩條混合賽道時，他們發現了壹個顯著失衡的交易結構。
首先，“模型的能力就是金錢”。從數量上看，Opus 平均比 Haiku 多完成約 2 筆交易。成交價格方面，當同壹件商品分別由 Opus 和 Haiku 智能體出售時，前者平均多賣出 3.64 美元。綜合而言，Opus 作為賣家平均多獲得 2.68 美元，作為買家平均少支出 2.45 美元。考慮到商品的中位成交價僅為 12 美元，2~3 美元的差距就代表了 15%~20% 的相對優勢，這並不是壹個可以忽略的數字。
最具說明力的單案例對比，是壹輛破損折疊自行車：Haiku 智能體將其以 38 美元成交；面對同壹個買家、同壹件商品，Opus 智能體的最終成交價為 65 美元，價差高達 70%。
差異的根源在於策略。Opus 在出售時就定價 60 美元，並在買方中制造競爭，最終使成交價格高於初始報價；Haiku 則以 40 美元起價，被對方砍到 38 美元。同樣的商品，同樣的信息，不同的談判智慧換來了截然不同的結果。
更令研究者不安的，是被 Haiku 代理的參與者的反應，或者說，他們的無反應。
事後問卷中，研究者讓 28 位在不同賽道中分別被 Opus 和 Haiku 代理過的參與者，對兩次體驗進行排名。結果顯示，被 Haiku 代理、在談判桌上被狠狠“薅了羊毛”的參與者，在對交易滿意度和公平感的評分上，與 Opus 用戶幾乎沒有差別。換言之，那些用弱模型談下更差價格的人，根本沒有意識到自己吃了虧。
倘若未來真的出現了 AI 經紀人普及的市場，消費者很可能像今天面對電商大數據“殺熟”那樣，長期承受無感知的結構性損失：他們客觀上遭遇了價格歧視，主觀上卻覺得“我的 AI 真棒”，因為缺乏對比基准，隱形的差距被算法完美掩蓋了。
實驗還打破了壹個看似合理的假設：“態度越凶，砍價越狠”。研究者讓 Claude 閱讀每位參與者的訪談記錄，並標注誰給出了“激進”的談判指令，例如“買東西時要狠狠壓價，先出壹個很低的價”。數據分析顯示，激進指令對成交概率沒有顯著影響；激進賣家的額外收益，主要源於他們壹開始設定的底價就高；激情砍價的買家也並沒有因此支付更少的錢。
[物價飛漲的時候 這樣省錢購物很爽]
好新聞沒人評論怎麼行，我來說幾句
智能體不會在報價前詢問主人，也不會在競價膠著時尋求指導，完全依靠先前形成的 system prompt 做決策：識別潛在匹配商品、判斷報價合理性、砍價，最終確認交易。此外，談判流程全程以自然語言進行，沒有任何預設的談判協議或結構化接口。
結束後，參與者先被要求對肆條賽道分別進行的每筆交易打分、排列偏好，完成後，真實賽道（Run A）才正式揭曉。待線上結算完成，員工們會在線下見面、交換各自的 AI 代理替他們談好的實物商品。
圖 | Opus 和 Haiku 的議價差異（來源：Anthropic）
強模型賺到了錢，弱模型的主人被割韭菜卻渾然不覺
數據證明，AI 智能體替代人類完成市場交易在技術上完全可行。Run A 中，69 個智能體在超 500 件上架商品中完成了 186 筆交易，總交易額略超 4,000 美元。事後調查顯示，參與者普遍對智能體的表現感到滿意，甚至有 46% 的人表示願意為這種 AI 經紀人服務付費。至少對於這批參與者來說，AI 經紀人的體驗已經達到了他們認為值得付出成本的閾值。
然而，當研究者把目光轉向 Run B 和 C 這兩條混合賽道時，他們發現了壹個顯著失衡的交易結構。
首先，“模型的能力就是金錢”。從數量上看，Opus 平均比 Haiku 多完成約 2 筆交易。成交價格方面，當同壹件商品分別由 Opus 和 Haiku 智能體出售時，前者平均多賣出 3.64 美元。綜合而言，Opus 作為賣家平均多獲得 2.68 美元，作為買家平均少支出 2.45 美元。考慮到商品的中位成交價僅為 12 美元，2~3 美元的差距就代表了 15%~20% 的相對優勢，這並不是壹個可以忽略的數字。
最具說明力的單案例對比，是壹輛破損折疊自行車：Haiku 智能體將其以 38 美元成交；面對同壹個買家、同壹件商品，Opus 智能體的最終成交價為 65 美元，價差高達 70%。
差異的根源在於策略。Opus 在出售時就定價 60 美元，並在買方中制造競爭，最終使成交價格高於初始報價；Haiku 則以 40 美元起價，被對方砍到 38 美元。同樣的商品，同樣的信息，不同的談判智慧換來了截然不同的結果。
更令研究者不安的，是被 Haiku 代理的參與者的反應，或者說，他們的無反應。
事後問卷中，研究者讓 28 位在不同賽道中分別被 Opus 和 Haiku 代理過的參與者，對兩次體驗進行排名。結果顯示，被 Haiku 代理、在談判桌上被狠狠“薅了羊毛”的參與者，在對交易滿意度和公平感的評分上，與 Opus 用戶幾乎沒有差別。換言之，那些用弱模型談下更差價格的人，根本沒有意識到自己吃了虧。
倘若未來真的出現了 AI 經紀人普及的市場，消費者很可能像今天面對電商大數據“殺熟”那樣，長期承受無感知的結構性損失：他們客觀上遭遇了價格歧視，主觀上卻覺得“我的 AI 真棒”，因為缺乏對比基准，隱形的差距被算法完美掩蓋了。
實驗還打破了壹個看似合理的假設：“態度越凶，砍價越狠”。研究者讓 Claude 閱讀每位參與者的訪談記錄，並標注誰給出了“激進”的談判指令，例如“買東西時要狠狠壓價，先出壹個很低的價”。數據分析顯示，激進指令對成交概率沒有顯著影響；激進賣家的額外收益，主要源於他們壹開始設定的底價就高；激情砍價的買家也並沒有因此支付更少的錢。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 |
 Labubu過氣了!中國贰手市場伍折甩賣都嫌貴 |
涉嫌贰手市場賣贓物 溫村男子落網 |
| 近百台小米YU7流贰手市場,車商:現車當天提加價1萬多 |
中國蛇年紀念幣搶手 贰手市場炒作價格 |
| 加國多人贰手市場買新手機 悲劇了 |
勞力士們在贰手市場跳水 泡沫破滅 |
| 「菩提贰手市場」讓環保走進我們的生活 |
菩提禪修12月贰手市場攤位招募啦 |
| 寶貝多:實拍加國有趣的贰手市場 |
韓國女人瘋狂追求名牌 贰手市場熱翻天 |
推薦: