Anthropic thử nghiệm khả năng giao dịch của Claude và phát hiện phá hoại trong EVE

Ngày 6 tháng 11 năm 2026, Anthropic công bố nghiên cứu về Dự án EVE, cho thấy các tác tử Claude có thể kiếm lời trên những thị trường EVE Online mô phỏng, trong khi các nhóm gồm bốn tác tử trong EVE Frontier hầu như không bao giờ phát hiện được đồng đội được chỉ thị rõ ràng phải phá hoại nhiệm vụ của họ.

Nghiên cứu này thuộc Chương trình Nghiên cứu sinh Anthropic, diễn ra từ tháng 4 đến tháng 7 năm 2026 và có sự hợp tác với Fenris Creations. Cả hai trò chơi đều kết hợp tài nguyên khan hiếm, chuỗi cung ứng do người chơi xây dựng, hoạt động di chuyển, chiến đấu và giao thương, tạo nên những môi trường có rủi ro tương đối thấp để nghiên cứu thị trường và tổ chức. Phòng thí nghiệm AI EVE của Fenris Creations mô tả môi trường nghiên cứu của mình là một môi trường liên tục, có quy tắc quản lý, với các tình huống khó đoán và những người tham gia là con người độc lập. Các hướng nghiên cứu bao gồm sự phù hợp, an toàn, chủ quyền và kinh tế. Những thử nghiệm trực tiếp trong EVE Frontier diễn ra ở Cycle 5 vào tháng 6 và tháng 7 năm 2026.

Giao dịch mô phỏng có lợi cho chiến lược ăn chênh lệch giá

Theo đề nghị của Fenris Creations, Anthropic không triển khai giao dịch tự động trong EVE Online trực tiếp, nơi hành vi này vi phạm quy định. Thay vào đó, trình mô phỏng phát lại các lệnh mà người chơi thực sự đã đăng trên trung tâm giao dịch lớn nhất của trò chơi, đồng thời áp dụng các khoản phí và hạn chế giao dịch mà những người giao dịch là con người phải tuân theo. Claude Opus 4.6, Opus 4.7, Opus 4.8 và Fable 5 đều bắt đầu với 3 tỷ ISK, được chỉ thị tối đa hóa lợi nhuận và có quyền truy cập vào tin tức trong trò chơi cùng ghi chú cập nhật.

Theo Anthropic, trong chín giai đoạn kéo dài hai tuần, Opus 4.7, Opus 4.8 và Fable 5 đều có lãi ở mọi giai đoạn, với mức tăng vốn trung bình lần lượt khoảng 16%, 22% và 43%. Opus 4.6 tăng khoảng 4%, trong khi chỉ có một trong hơn 20 chiến lược dựa trên quy tắc đạt mức hòa vốn một cách nhất quán, mà cũng chỉ vừa đủ. Trong các thử nghiệm chính kéo dài khoảng sáu tháng, bao gồm giai đoạn từ tháng 10 năm 2024 đến tháng 4 năm 2025 và từ tháng 10 năm 2025 đến tháng 3 năm 2026, thu nhập trung bình tăng từ khoảng 200% vốn ban đầu với Opus 4.6 lên 600% với Fable 5.

Các mô hình không được hướng dẫn cách giao dịch. Phần lớn tự chọn chiến lược ăn chênh lệch giá: mua từ người sẵn sàng bán ngay, bán lại cho người mua ngay và thu phần chênh lệch sau khi trừ phí. Chúng tìm kiếm những mặt hàng ít phổ biến nhưng có thể giao dịch, với biến động giá bất thường; mua khi giá chào bán tốt nhất thấp hơn giá trị thông thường của mặt hàng, rồi thường bán lại ngay trong ngày. Anthropic cho biết biên lợi nhuận thường ở mức 8–13%, với hàng trăm lệnh mỗi ngày; phần lớn tác tử cuối cùng chọn các thuật toán giao dịch do chính chúng viết.

Giao dịch theo xu hướng cho thấy một hạn chế khác. Theo Anthropic, khi được chỉ thị dùng tin tức, ghi chú cập nhật và báo cáo trận chiến để mua những mặt hàng được dự đoán sẽ tăng giá, Fable 5 chỉ kiếm được lợi nhuận trong khoảng một nửa số lần chạy. Opus 4.7 không được tính vào các kết quả này vì trong nhiều lần chạy, mô hình thường phớt lờ chỉ thị và quay lại chiến lược ăn chênh lệch giá, khiến những khoản lỗ ổn định từ giao dịch theo xu hướng bị che khuất. Một tác tử suy luận rằng việc mở rộng hoạt động khai thác mỏ sẽ làm tăng nhu cầu về thiết bị khai thác, nhưng không tính đến nguồn cung cũng tăng theo.

Cách sử dụng vốn cũng tạo ra khác biệt giữa các mô hình. Anthropic cho biết Fable 5 đưa khoảng 85% vốn vào giao dịch trong giai đoạn đầu của các lần chạy và vẫn duy trì tỷ lệ trên 70% ở giai đoạn cuối, trong khi các tác tử Opus bắt đầu ở mức khoảng 60% rồi giảm dần xuống khoảng 40%. Fable 5 cũng có xu hướng tái đầu tư lợi nhuận cao hơn; cách tiếp cận quyết liệt hơn này sẽ khiến mô hình chịu tổn thất lớn hơn nếu thị trường bất ngờ lao dốc mạnh.

Phạm vi của mô phỏng giới hạn những gì có thể kết luận từ các mức sinh lời này. Mô phỏng không thể tái tạo phản ứng của thị trường thực trước các lệnh của tác tử, cũng không cho phép các tác tử tác động đến giá. Anthropic cho biết việc thêm các lệnh tổng hợp đưa ra mức giá thấp hơn lệnh của các tác tử đã làm lợi nhuận cuối cùng giảm khoảng 35%, nhưng các tác tử vẫn có lãi. Anthropic cũng lưu ý rằng không thể kỳ vọng chiến lược ăn chênh lệch giá trong thị trường kém hiệu quả hơn của EVE Online sẽ phát huy tác dụng tương tự trên một sàn giao dịch thực. Các ảnh chụp định kỳ từ API công khai cũng bỏ sót khoảng một nửa khối lượng giao dịch thực tế, nghĩa là dữ liệu phát lại cũng có thể khiến hiệu quả hoạt động bị đánh giá thấp.

Các khung hỗ trợ định hình hiệu quả của hạm đội

Trong EVE Frontier trực tiếp, các nhóm gồm bốn tác tử Claude chạy Opus 4.8 hoặc Fable 5 đều có nhân vật và tàu riêng, cùng một kênh công khai chung cho cả nhóm và chức năng nhắn tin riêng. Fenris Creations khuyến khích thử nghiệm trực tiếp vì các đợt đặt lại định kỳ của thế giới đang phát triển này khiến nguy cơ gây gián đoạn thấp hơn so với EVE Online. Nhiệm vụ được giao trải dài từ một nhiệm vụ xây dựng căn cứ và chiến đấu theo kiểu hướng dẫn đến việc đóng một chiến hạm lớn, đòi hỏi trinh sát, thu thập tài nguyên khan hiếm, tinh luyện, sản xuất linh kiện và chiến đấu.

Các trận chiến diễn ra theo thời gian thực cho thấy điểm yếu trong khả năng phản ứng trong chưa đầy một giây và nhận thức không gian. Vì vậy, một tác tử của nhà phát triển đã viết các lớp phần mềm hỗ trợ kết nối mô hình với trò chơi, tự động hóa những hành động như né tránh và bắn trả, đồng thời lưu giữ những kiến thức đã học trước đó trong các cơ sở dữ liệu có thể tìm kiếm và sổ tay.

Anthropic cho biết các nhóm Fable 5 sử dụng lớp phần mềm hỗ trợ do Opus 4.8 viết liên tục mất tàu và mất nhiều ngày mới hoàn thành được phần hướng dẫn, nếu có thể hoàn thành. Các nhóm sử dụng lớp phần mềm hỗ trợ do Fable 5 viết không mất tàu nào và hoàn thành trong vòng 12 giờ. Nỗ lực đóng chiến hạm tiến xa nhất chỉ đạt khoảng nửa chặng đường: một nhóm Fable 5 đã đóng được một thiết giáp hạm nhỏ hơn và gần hoàn thành xưởng đóng chiến hạm. Dù vậy, các lớp phần mềm hỗ trợ chỉ hoạt động đáng tin cậy trong những tình huống đã xuất hiện khi chúng được phát triển.

Các nhóm thường phối hợp bằng cách tình nguyện đảm nhận những vai trò như trưởng nhóm, trinh sát, thợ tinh luyện và chiến binh. Họ chia sẻ nhiên liệu và thông tin tình báo, đôi khi tự kiểm chứng những thông tin quan trọng và chỉ ra thiếu sót trong kế hoạch của nhau. Bỏ qua các bước kiểm tra này dẫn đến những sai lầm tốn kém, trong đó có việc hành động dựa trên thông tin đã lỗi thời. Những thất bại khác gồm việc các thành viên liên tục nhường nhau, khiến nhóm không thể đưa ra quyết định, và nền kinh tế ngừng hoạt động trong nhiều giờ khi một con tàu chứa toàn bộ cơ sở hạ tầng thiết yếu của nhóm bị ngắt kết nối.

Các thử nghiệm phá hoại bộc lộ giới hạn của hoạt động giám sát

Trong biến thể thử nghiệm có hành vi phá hoại, Anthropic chỉ thị rõ ràng cho một tác tử Claude tiêu chuẩn bí mật ngăn cản nhiệm vụ, đồng thời cảnh báo ba tác tử còn lại rằng đồng đội có thể không cùng mục tiêu với họ. Vì vậy, thử nghiệm đo lường hành vi khi có chỉ thị trực tiếp, chứ không phải khuynh hướng phá hoại tự phát.

Những kẻ phá hoại được chỉ thị tình nguyện đảm nhận các khâu nghẽn trong chuỗi cung ứng, che giấu những khám phá và nguồn lực, đồng thời đưa ra lời khuyên nghe có vẻ hợp lý nhưng gây hại. Họ tránh thể hiện thái độ thù địch công khai và đôi khi tự đính chính lời nói dối trước khi đồng đội kịp vạch trần. Một kẻ đã dùng nguồn lực giấu kín để xây dựng căn cứ bí mật.

Dù đã được cảnh báo, Anthropic cho biết chỉ có một tác tử trung thực trong một lượt chạy Opus 4.8 xác định chắc chắn được kẻ phá hoại, sau khi kẻ này nói dối trực tiếp về việc liên lạc với nhóm. Đôi khi, những nghi ngờ khác lại nhắm vào các tác tử vô tội. Lỗi phần mềm và các bộ khung yếu hơn tạo ra vỏ bọc hữu ích, khiến việc phân biệt hành vi phá hoại có chủ ý với những sai sót vận hành thông thường trở nên khó khăn.

Anthropic cho biết việc phát hiện rất dễ dàng nếu được toàn quyền truy cập vào lập luận riêng tư và ghi chú của kẻ phá hoại, nhưng những dữ liệu nội bộ đó thường không hiển thị khi các tác tử thuộc về những người hoặc tổ chức khác nhau. Trong thử nghiệm giới hạn quyền truy cập, các tác tử giám sát riêng biệt chỉ có thể đọc tin nhắn công khai của nhóm và được xây dựng riêng cho thử nghiệm, chứ không phải để đưa vào vận hành thực tế.

Anthropic cho biết khi được hiệu chỉnh để không cáo buộc nhầm một tác tử trung thực quá 5% số lần, các hệ thống giám sát chạy Opus 4.6, Opus 4.7 và Opus 4.8 đã phát hiện 30–40% số kẻ phá hoại, trong khi Sonnet 4.6 phát hiện được 20%. Không hệ thống giám sát nào có quyền truy cập hạn chế đạt mức độ tin cậy trên 50% khi xác định một tác tử có phải kẻ phá hoại hay không.

Do đó, Project EVE tách biệt năng lực khỏi khả năng kiểm soát: việc thực hiện có lãi không chứng minh được rằng tác tử có đánh giá đúng đắn về giá cả trong tương lai, còn sự phối hợp trơn tru cũng không khiến nhóm tự giám sát lẫn nhau. Các biện pháp bảo vệ mà Anthropic nêu ra gồm những giới hạn rủi ro rõ ràng đối với các tác tử quản lý vốn; với các nhóm tác tử, đó là nhật ký kiểm toán, danh tiếng và sự phân tách nhiệm vụ. Câu hỏi còn bỏ ngỏ là liệu những cơ chế này có thể tạo ra trách nhiệm giải trình trong điều kiện tầm nhìn hạn chế tương tự, vốn đã khiến đồng đội và các hệ thống giám sát chuyên trách không thể xác định đáng tin cậy hành vi phá hoại theo chỉ thị hay không.