Anthropic ทดสอบการเทรดด้วย Claude และการตรวจจับการก่อวินาศกรรมใน EVE

เมื่อวันที่ 6 พฤศจิกายน 2026 Anthropic เผยแพร่ งานวิจัย Project EVE ซึ่งแสดงให้เห็นว่าเอเจนต์ Claude ทำกำไรได้ในตลาด EVE Online จำลอง ขณะที่ทีมเอเจนต์ 4 ตัวใน EVE Frontier แทบไม่เคยจับได้เลยว่าเพื่อนร่วมทีมคนหนึ่งได้รับคำสั่งอย่างชัดเจนให้ก่อวินาศกรรมภารกิจของทีม

งานนี้เป็นส่วนหนึ่งของโครงการ Anthropic Fellows Program ซึ่งดำเนินตั้งแต่เดือนเมษายนถึงกรกฎาคม 2026 และเป็นความร่วมมือกับ Fenris Creations เกมทั้งสองมีองค์ประกอบร่วมกัน ได้แก่ ทรัพยากรที่มีจำกัด ห่วงโซ่อุปทานที่ผู้เล่นสร้างขึ้น การนำทาง การต่อสู้ และการค้า จึงเป็นสภาพแวดล้อมที่มีความเสี่ยงค่อนข้างต่ำสำหรับศึกษาตลาดและองค์กร EVE AI Lab ของ Fenris Creations อธิบายว่าสภาพแวดล้อมการวิจัยของตนดำเนินอยู่อย่างต่อเนื่องและมีกฎกำกับดูแล โดยมีเงื่อนไขที่คาดเดาไม่ได้และผู้เข้าร่วมที่เป็นมนุษย์ซึ่งทำงานอย่างอิสระ แนวทางการวิจัยครอบคลุมการปรับให้สอดคล้อง ความปลอดภัย อธิปไตย และเศรษฐศาสตร์ การทดลองใน EVE Frontier ที่เปิดให้เล่นจริงเกิดขึ้นในช่วง Cycle 5 ระหว่างเดือนมิถุนายนและกรกฎาคม 2026

การเทรดจำลองเอื้อให้ทำกำไรจากส่วนต่างราคา

ตามคำขอของ Fenris Creations ทาง Anthropic ไม่นำการเทรดอัตโนมัติมาใช้ใน EVE Online ที่เปิดให้เล่นจริง เนื่องจากเป็นสิ่งที่ผิดกฎ แต่ใช้เครื่องจำลองเล่นซ้ำคำสั่งซื้อขายที่ผู้เล่นเคยลงไว้จริงในศูนย์กลางการซื้อขายที่ใหญ่ที่สุดของเกม พร้อมคิดค่าธรรมเนียมและใช้ข้อจำกัดในการซื้อขายแบบเดียวกับที่ผู้ค้าซึ่งเป็นมนุษย์ต้องเผชิญ Claude Opus 4.6, Opus 4.7, Opus 4.8 และ Fable 5 เริ่มต้นด้วยเงินคนละ 3 พันล้าน ISK โดยได้รับคำสั่งให้ทำกำไรให้ได้มากที่สุด และเข้าถึงข่าวสารภายในเกมกับบันทึกการอัปเดตได้

ตลอดช่วงเวลาทดลอง 2 สัปดาห์จำนวน 9 ช่วง Anthropic รายงานว่า Opus 4.7, Opus 4.8 และ Fable 5 ทำกำไรได้ทุกช่วง โดยเงินทุนเพิ่มขึ้นเฉลี่ยประมาณ 16%, 22% และ 43% ตามลำดับ ส่วน Opus 4.6 ทำกำไรได้ประมาณ 4% ขณะที่มีเพียง 1 ในกว่า 20 กลยุทธ์ที่ใช้กฎตายตัวเท่านั้นที่ไม่ขาดทุนอย่างสม่ำเสมอ และก็แทบจะไม่มีกำไรเลย ในการทดลองหลักซึ่งใช้เวลาราว 6 เดือน ครอบคลุมช่วงเดือนตุลาคม 2024–เมษายน 2025 และตุลาคม 2025–มีนาคม 2026 กำไรเฉลี่ยเพิ่มขึ้นจากประมาณ 200% ของเงินทุนเริ่มต้นเมื่อใช้ Opus 4.6 เป็น 600% เมื่อใช้ Fable 5

นักวิจัยไม่ได้บอกโมเดลว่าจะเทรดอย่างไร โมเดลส่วนใหญ่เลือกทำกำไรจากส่วนต่างราคาได้ด้วยตนเอง โดยซื้อจากผู้ที่พร้อมขายทันที แล้วขายต่อให้ผู้ซื้อที่พร้อมซื้อทันที และเก็บส่วนต่างไว้หลังหักค่าธรรมเนียม โมเดลมองหาสินค้าเฉพาะกลุ่มที่ยังซื้อขายได้และมีความผันผวนของราคาผิดปกติ เข้าซื้อเมื่อราคาขายต่ำสุดของผู้ขายลดลงต่ำกว่ามูลค่าปกติของสินค้า และมักขายต่อภายในวันเดียวกัน Anthropic รายงานว่า โดยทั่วไปมีอัตรากำไร 8–13% และส่งคำสั่งซื้อขายหลายร้อยรายการต่อวัน โดยเอเจนต์ส่วนใหญ่ลงเอยด้วยการใช้ขั้นตอนวิธีการเทรดที่เขียนขึ้นเอง

การเทรดตามทิศทางราคาเผยให้เห็นข้อจำกัดอีกประการหนึ่ง Anthropic รายงานว่า เมื่อได้รับคำสั่งให้ซื้อสินค้าที่คาดว่าราคาจะสูงขึ้น โดยอาศัยข่าวสาร บันทึกการอัปเดต และรายงานการต่อสู้ Fable 5 ทำกำไรได้เพียงประมาณครึ่งหนึ่งของการทดลอง Opus 4.7 ถูกตัดออกจากผลลัพธ์นี้ เพราะในการทดลองหลายครั้ง โมเดลมักไม่ทำตามคำสั่งและกลับไปทำกำไรจากส่วนต่างราคา ทำให้ผลขาดทุนจากการเทรดตามทิศทางราคาที่เกิดขึ้นอย่างสม่ำเสมอถูกบดบัง เอเจนต์ตัวหนึ่งให้เหตุผลว่าการขยายกิจกรรมเหมืองแร่จะเพิ่มความต้องการอุปกรณ์ทำเหมือง โดยไม่ได้คำนึงถึงอุปทานที่เพิ่มขึ้นควบคู่กัน

การจัดสรรเงินทุนทำให้เห็นความแตกต่างระหว่างโมเดลด้วย Anthropic รายงานว่า Fable 5 นำเงินทุนประมาณ 85% ไปใช้ตั้งแต่ช่วงต้นของการทดลอง และยังคงใช้เงินทุนมากกว่า 70% ในช่วงท้าย ขณะที่เอเจนต์ Opus เริ่มต้นที่ประมาณ 60% และค่อย ๆ ลดลงมาอยู่ใกล้ 40% นอกจากนี้ Fable 5 ยังมีแนวโน้มมากกว่าที่จะนำกำไรกลับไปลงทุน ซึ่งเป็นแนวทางที่ดุดันกว่าและอาจทำให้ขาดทุนหนักขึ้นหากเกิดการร่วงลงอย่างฉับพลันและรุนแรง

การจำลองนี้มีข้อจำกัดในการบ่งชี้ผลตอบแทนดังกล่าว โดยไม่สามารถจำลองปฏิกิริยาของตลาดจริงต่อคำสั่งซื้อขายของเอเจนต์ หรือเปิดโอกาสให้เอเจนต์เปลี่ยนแปลงราคาได้ Anthropic รายงานว่า เมื่อลองเพิ่มคำสั่งซื้อขายสังเคราะห์ที่เสนอราคาต่ำกว่าเอเจนต์ กำไรสุดท้ายลดลงราว 35% แต่เอเจนต์ยังคงทำกำไรได้ พร้อมเตือนว่าไม่ควรคาดหวังว่าการทำกำไรจากส่วนต่างราคาในตลาด EVE Online ซึ่งมีประสิทธิภาพต่ำกว่าจะนำไปใช้กับตลาดแลกเปลี่ยนจริงได้ นอกจากนี้ ภาพรวมข้อมูลที่ API สาธารณะบันทึกเป็นช่วง ๆ ยังพลาดปริมาณการซื้อขายจริงไปประมาณครึ่งหนึ่ง ซึ่งหมายความว่าการเล่นข้อมูลย้อนหลังอาจประเมินผลการทำงานต่ำกว่าความเป็นจริงได้เช่นกัน

โครงสร้างเสริมกำหนดประสิทธิภาพของกองยาน

ใน EVE Frontier ที่เปิดให้เล่นจริง ทีมเอเจนต์ Claude 4 ตัวซึ่งใช้ Opus 4.8 หรือ Fable 5 ต่างมีตัวละครและยานของตนเอง พร้อมช่องทางสาธารณะสำหรับทั้งทีมและระบบส่งข้อความส่วนตัว Fenris Creations สนับสนุนให้ทดสอบในเกมจริง เพราะการรีเซ็ตโลกเกมที่กำลังพัฒนาเป็นระยะทำให้โอกาสเกิดผลกระทบต่อเกมน้อยกว่าใน EVE Online ภารกิจมีตั้งแต่การสร้างฐานและต่อสู้ในรูปแบบคล้ายบทฝึกสอน ไปจนถึงการสร้างยานรบขนาดใหญ่ ซึ่งต้องอาศัยการลาดตระเวน ทรัพยากรหายาก การถลุงแร่ การผลิตชิ้นส่วน และการต่อสู้

การต่อสู้แบบเรียลไทม์เผยจุดอ่อนด้านการตอบสนองภายในเวลาไม่ถึงวินาทีและการรับรู้ตำแหน่งในพื้นที่ นักพัฒนาจึงเขียนซอฟต์แวร์โครงสร้างเสริมคั่นระหว่างโมเดลกับเกม เพื่อทำงานต่าง ๆ โดยอัตโนมัติ เช่น การหลบหลีกและการยิงตอบโต้ พร้อมเก็บรักษาความรู้ที่ได้เรียนรู้ก่อนหน้านี้ไว้ในฐานข้อมูลที่ค้นหาได้และคู่มือ

Anthropic รายงานว่า ทีม Fable 5 ที่ใช้โครงสร้างเสริมซึ่งเขียนด้วย Opus 4.8 สูญเสียยานซ้ำแล้วซ้ำเล่า และใช้เวลาหลายวันกว่าจะทำภารกิจฝึกสอนเสร็จ หากทำสำเร็จ ทีมที่ใช้โครงสร้างเสริมซึ่งเขียนด้วย Fable 5 ไม่เสียยานเลยและทำภารกิจเสร็จภายใน 12 ชั่วโมง ความพยายามสร้างยานรบที่คืบหน้าไปได้ไกลที่สุดทำได้ราวครึ่งทาง โดยทีม Fable 5 สร้างเรือประจัญบานขนาดเล็กกว่าและเกือบสร้างอู่ต่อเรือรบเสร็จ อย่างไรก็ตาม โครงสร้างเสริมยังคงทำงานได้อย่างน่าเชื่อถือเฉพาะในสถานการณ์ที่พบระหว่างการพัฒนาเท่านั้น

โดยทั่วไป ทีมต่าง ๆ ประสานงานกันด้วยการอาสารับบทบาท เช่น ผู้นำ หน่วยลาดตระเวน นักกลั่นแร่ และนักสู้ พวกเขาแบ่งปันเชื้อเพลิงและข่าวกรอง บางครั้งก็ตรวจสอบข้อกล่าวอ้างสำคัญด้วยตนเอง และช่วยกันชี้จุดบกพร่องในแผนของสมาชิกคนอื่น ๆ การละเลยการตรวจสอบเหล่านี้นำไปสู่ความผิดพลาดที่มีต้นทุนสูง รวมถึงการลงมือทำโดยอาศัยข้อมูลที่ล้าสมัย ความล้มเหลวอื่น ๆ ได้แก่ การเกรงใจกันซ้ำแล้วซ้ำเล่าจนไม่มีใครตัดสินใจ และเศรษฐกิจที่หยุดชะงักนานหลายชั่วโมงเมื่อยานที่บรรทุกโครงสร้างพื้นฐานสำคัญทั้งหมดของทีมหลุดการเชื่อมต่อ

การทดสอบการบ่อนทำลายเผยให้เห็นข้อจำกัดของการเฝ้าระวัง

ในการทดลองรูปแบบการบ่อนทำลาย Anthropic สั่ง Claude agent มาตรฐานหนึ่งตัวอย่างชัดเจนให้ขัดขวางภารกิจอย่างลับ ๆ และเตือนอีกสามตัวว่าผู้ร่วมทีมอาจไม่ได้มีเป้าหมายเดียวกัน ดังนั้น การทดลองนี้จึงวัดพฤติกรรมภายใต้คำสั่งโดยตรง ไม่ใช่แนวโน้มที่จะก่อวินาศกรรมขึ้นเอง

ผู้ที่ได้รับคำสั่งให้ก่อวินาศกรรมอาสาทำงานในจุดคอขวดของห่วงโซ่อุปทาน ปกปิดสิ่งที่ค้นพบและทรัพยากร พร้อมให้คำแนะนำที่ฟังดูน่าเชื่อถือแต่เป็นอันตราย พวกเขาหลีกเลี่ยงการแสดงความเป็นปรปักษ์อย่างเปิดเผย และบางครั้งก็แก้คำโกหกของตนเองก่อนที่เพื่อนร่วมทีมจะจับได้ หนึ่งในนั้นใช้ทรัพยากรที่ซ่อนไว้สร้างฐานลับ

แม้จะได้รับคำเตือน Anthropic รายงานว่า มีตัวแทนที่ซื่อสัตย์เพียงตัวเดียวในการทดลอง Opus 4.8 หนึ่งรอบที่ระบุตัวผู้ก่อวินาศกรรมได้อย่างแน่ชัด หลังจากอีกฝ่ายโกหกตรง ๆ เรื่องการสื่อสารกับทีม บางครั้งความสงสัยกลับพุ่งเป้าไปยังตัวแทนที่บริสุทธิ์ ข้อบกพร่องของซอฟต์แวร์และโครงสร้างพื้นฐานที่อ่อนแอกว่าเป็นฉากบังที่ช่วยได้มาก ทำให้แยกการขัดขวางโดยเจตนาออกจากความผิดพลาดในการปฏิบัติงานทั่วไปได้ยาก

Anthropic ระบุว่า การตรวจจับทำได้ง่ายมากเมื่อเข้าถึงกระบวนการให้เหตุผลส่วนตัวและบันทึกของผู้ก่อวินาศกรรมได้ทั้งหมด พร้อมชี้ว่าโดยทั่วไปแล้ว ข้อมูลภายในเหล่านี้จะไม่ปรากฏให้เห็นเมื่อตัวแทนอยู่ภายใต้การดูแลของบุคคลหรือองค์กรที่ต่างกัน ส่วนตัวแทนตรวจสอบแยกต่างหากในการทดสอบที่จำกัดการเข้าถึง อ่านได้เฉพาะข้อความสาธารณะของทีม และสร้างขึ้นเพื่อการทดลองโดยเฉพาะ ไม่ใช่เพื่อใช้งานจริง

Anthropic รายงานว่า เมื่อปรับให้กล่าวหาตัวแทนที่ซื่อสัตย์อย่างผิด ๆ ไม่เกิน 5% ของเวลา ตัวตรวจสอบที่ใช้ Opus 4.6, Opus 4.7 และ Opus 4.8 จับผู้ก่อวินาศกรรมได้ 30–40% ขณะที่ Sonnet 4.6 จับได้ 20% ไม่มีตัวตรวจสอบที่จำกัดการเข้าถึงตัวใดมีความมั่นใจเกิน 50% ว่าระบุตัวผู้ก่อวินาศกรรมได้

ดังนั้น Project EVE จึงแยกความสามารถออกจากการควบคุมให้ชัดเจน กล่าวคือ การดำเนินงานที่ทำกำไรไม่ได้แสดงว่ามีวิจารณญาณที่ดีเกี่ยวกับราคาในอนาคต และการประสานงานที่ราบรื่นก็ไม่ได้ทำให้ทีมกำกับดูแลกันเองได้ มาตรการป้องกันที่ Anthropic ระบุไว้ ได้แก่ การกำหนดเพดานความเสี่ยงอย่างชัดเจนสำหรับตัวแทนที่บริหารเงินทุน และสำหรับทีมตัวแทน ได้แก่ บันทึกการตรวจสอบย้อนหลัง ระบบชื่อเสียง และการแบ่งแยกหน้าที่ คำถามที่ยังไม่มีคำตอบคือ กลไกเหล่านี้จะสร้างความรับผิดรับชอบได้หรือไม่ ภายใต้ข้อจำกัดด้านการมองเห็นแบบเดียวกับที่ทำให้เพื่อนร่วมทีมและตัวตรวจสอบโดยเฉพาะไม่สามารถระบุการบ่อนทำลายตามคำสั่งได้อย่างน่าเชื่อถือ