Anthropic 请律师事务所为 Claude 谈判智能体制定规则
Project Deal 发现 Opus 智能体每笔多赚 3.64 美元，参与者毫无察觉
据《金融时报》报道，Anthropic 正在咨询外部律师事务所，以制定一套规范框架，管理其 Claude AI 智能体应如何代表用户谈判 —— 涵盖智能体可以多激进、何时应暂停等待人类批准，以及对对方的 AI 智能体应抱多大怀疑。这些咨询在任何商业谈判智能体产品规模化上市之前就已展开，其依据是内部实验得出的一个不便公开的结果：做谈判的 AI 模型的能力层级系统性地决定了谁赢。
内部实验暴露了一种无声的双层结果
不平等问题最清晰的证据来自 Project Deal，这是 2025 年 12 月的一项内部实验，69 名 Anthropic 员工用 Claude 智能体在一个 Craigslist 式的市场上买卖物品，双方都由 AI 智能体代表，单笔交易不经人类签字确认。当 Anthropic 按模型层级分析结果时，模式十分醒目：运行在旗舰模型 Claude Opus 4.5 上的智能体，每件售出物品平均比运行在更快更便宜的 Claude Haiku 4.5 上的智能体多拿 3.64 美元。在一个有记录的例子中，针对一辆坏了的折叠自行车，Opus 智能体谈到 65 美元；Haiku 智能体以 38 美元接受了同一件物品。
后续实验 Project Swap 于 2026 年 9 月进行，六个办公室的 201 名员工通过 AI 智能体交换书籍。它衡量智能体推断出的偏好排序与参与者自己的排序有多接近，发现成对一致率为 61% —— 明显高于 50% 的随机猜测基线，但智能体追求的目标与用户真正想要的之间仍有相当大的差距。
两项实验中令人不安的细节是：赢家和输家两边的主观公平评分几乎相同。在 Project Deal 中，智能体表现不佳的参与者在七分制上给自己的交易公平性打 4.06 分 —— 与智能体表现更好者给出的 4.05 分基本一样。吃亏的用户并不知道自己吃了亏。不平等对承受它的一方是不可见的。
为什么模型层级直接转化为谈判力
Opus 和 Haiku 在谈判中的表现差距不只是一个模型「更聪明」那么简单。它反映的是在多轮、开放式推理任务中会被专门放大的架构和训练差异。
Claude Opus 4.5 是 Anthropic 能力最强的已部署模型，具备更深的强化学习微调和对复杂推理更充分的校准。在谈判语境中，这些优势表现为对对方的约束和备选方案更准确的建模 —— 谈判理论称之为 BATNA（谈判协议的最佳替代方案）。一个正确推断出对方有多需要这笔交易的智能体会在价格上守住；一个校准失误的智能体会不必要地让步。
为吞吐量和成本而非推理深度优化的 Claude Haiku 4.5，每个推理步骤激活的参数更少。在事实性、检索导向的任务中差距微小。在谈判中，每一轮都需要对对方立场做多步推理，差距在整个交锋过程中不断复合。对一个智能体每月处理数十笔交易 —— 价格争议、订阅取消、投诉处理 —— 的用户来说，累积的经济劣势变得可观，而且完全不可见。
延伸阅读：Anthropic 发布 Haiku 5.5，价格直降 90%
训练 AI 公平谈判需要一种新的数据
为了把规范性的谈判行为编码进 Claude，Anthropic 创建了 Conceptual Reasoning Fellows 项目，以 10 万到 16.7 万美元的薪资招募律师、哲学家和经济学家。该项目针对的是一个根本性的训练数据问题：在数学和软件工程中，偏好数据可以自动验证 —— 代码要么通过测试要么不通过。在法律、伦理和谈判中，不存在这样的验证函数。一个结果是否「公平」取决于语境、权力关系、文化规范和相互竞争的利益，这些不会产生一个标量的正确答案。
这些 Fellow 生成训练样本和评估标准，定义什么是善意的、适度透明的、足够有力的谈判。Anthropic 研究法律、制度与 AI 的技术人员 Justin Curl 指出，在法律领域「质量是出了名地难以定义」。Fellow 们植入的哲学和职业假设将在全球范围内支配 Claude 的默认行为 —— 这使它归根结底是一个规范性项目，而非工程项目。专家群体的偏见将传播到 Claude 智能体最终进行的每一场商业谈判中。
Freshfields 合作与一个无人填补的监管空白
Anthropic 的律所咨询建立在 2026 年 4 月与富而德律师事务所的合作之上，后者是全球最大的公司法律事务所之一，双方共同开发智能体化的法律工作流。当前的规范起草工作延伸到了现行法律没有覆盖的地带：当一个 AI 智能体虚构了一个它未被授予的授权 —— 或者接受了其用户本会拒绝的条款 —— 没有任何司法辖区明确裁定过谁应对结果负责。
参议员 Mark Warner 于 2026 年 6 月 29 日发布了 AI AGENT 法案的讨论稿，该法案将要求 AI 智能体提供商在 FTC 注册，并对面向消费者的智能体规定透明度义务。该法案仍处于讨论稿阶段。FTC 于 2026 年 9 月 30 日对 Anthropic、OpenAI 和 METR 启动了调查，涵盖 AI 技术（包括智能体系统）对消费者的潜在风险。两项进展都没有产生有约束力的规则。Anthropic 的规范起草是在外部标准强加之前先建立内部标准的尝试 —— 并有可能塑造那些外部标准的内容。
没有其他主要 AI 实验室公开宣布过类似的律所咨询。OpenAI 的 operator 基础设施支持智能体任务，但没有发布任何谈判规范文件。Meta 的开放权重 Llama 模型部署在集中式规范执行在结构上不可能的架构中。如果 Anthropic 的框架成为监管者最终引用的事实参照，这家公司就将撰写适用于所有竞争者的合规要求。
这种不对称没有自我纠正机制
市场纠错依赖反馈：产品失败，消费者察觉，然后转换。一个系统性表现不佳的 AI 谈判智能体留给用户的是一笔已完成的交易，以及没有任何「本可以有更好结果」的信号。Project Deal 中的公平感知差距 —— 尽管价格差异实实在在，Opus 和 Haiku 用户的评分却几乎相同 —— 表明这种系统性劣势在交易时点是无法察觉的。
Anthropic 现在就构建规范，是因为一旦商业谈判智能体规模化部署，事后设定标准会困难得多。签名用户文件 —— Anthropic 正在探索的一种以密码学方式把智能体行为绑定到可验证授权的机制 —— 可以实现事后问责，但前提是法院接受它们为授权记录，并且存在在交易时审计智能体推理的技术基础设施。这两个条件目前都不成立。
Anthropic 自身研究留下的核心未解问题是：任何一套规范，无论起草得多么仔细，能否阻止一个双层结果市场的出现 —— 在那里，富到用得起 Opus 级智能体的用户系统性地从用不起的人那里拿到更好的交易。