Anthropic测试了什么?
Anthropic表示,它测试了Claude模型在《EVE Online》中的交易能力,但没有在实际运行的游戏中下单交易。应Fenris Creations的要求,该公司没有让自动化交易进入正式的《EVE Online》环境;Anthropic称,这种做法违反游戏规则。相反,Anthropic构建了一个模拟器,回放玩家在这款游戏最大、竞争最激烈的交易中心发布的真实买卖订单,同时纳入人类交易者所面临的费用和交易限制。
模型如何评估?
在交易测试中,Anthropic称,Claude Opus 4.6、Opus 4.7、Opus 4.8和Fable 5各获得30亿ISK(游戏内货币),并被要求在交易期结束前实现利润最大化。模型还可以在游戏内新闻和补丁说明发布时读取相关内容。Anthropic表示,并未告诉这些模型该如何交易。多数模型自行采用了捕捉价差的策略:从即时卖家处买入,再转售给即时买家,并在扣除费用后保留差额。
Anthropic报告了哪些结果?
Anthropic报告称,在九个为期两周的模拟交易窗口中,Opus 4.7、Opus 4.8和Fable 5在每个窗口都实现盈利。它们的平均资本增幅分别约为16%、22%和43%,而Opus 4.6约增长4%。在主要实验中,测试持续约六个月,覆盖2024年10月至2025年4月以及2025年10月至2026年3月两个时段;平均收益从Opus 4.6约为初始资本的200%,提高到Fable 5的600%。
分析:这一设置能说明什么,不能说明什么
这项报告中的设计之所以重要,是因为它区分了两个问题。模拟器使用了真实玩家订单、费用和交易限制,因此结果描述的是在Anthropic测试条件下,模型面对回放的市场记录时的表现。但由于Anthropic称其并未在实际运行的《EVE Online》中交易,这些数字并不能证明Claude曾与当前玩家交易,也不能证明自动化交易被部署到了正式游戏中。两周窗口的结果和约六个月周期的结果衡量的时间跨度也不同,因此不应把较短窗口的盈利能力与较长期收益视为同一项统计指标。
官方公告发布时间:2026年11月06日00:00(UTC)。
