A Anthropic publicou uma nova pesquisa na sexta-feira mostrando seus modelos Claude administrando negócios dentro de dois dos mundos virtuais mais exigentes dos jogos – e os resultados foram em ambos os sentidos. No Projeto EVE, conduzido com o desenvolvedor Fenris Creations como parte do Anthropic Fellows Program, os agentes Claude negociaram lucrativamente em uma simulação fiel da economia dirigida pelo jogador do EVE Online e das missões cooperativas tripuladas no jogo ao vivo EVE Frontier. Mas quando os pesquisadores instruíam secretamente um membro da equipe a minar seus companheiros, os agentes honestos quase nunca o pegavam.

O projeto importa além dos jogos. Os investigadores da Anthropic argumentam que os jogos online multijogador massivo se aproximam da complexidade das organizações reais – recursos escassos, longas cadeias de abastecimento, universos partilhados construídos pelos jogadores e a necessidade constante de decidir em quem confiar – tudo num ambiente de baixo risco. À medida que as empresas começam a implantar equipes de agentes de IA que dependem do trabalho uns dos outros, jogos como EVE oferecem um campo de testes para o desempenho e o fracasso dessas equipes.

Para saber mais sobre esta e outras notícias de última hora sobre pesquisa de IA, visite nossa página inicial.

Agentes comerciais vencem a heurística humana por amplas margens

No primeiro conjunto de experimentos, a Anthropic testou quatro modelos de Claude – Opus 4.6, Opus 4.7, Opus 4.8 e Fable 5 – como traders em um simulador que reproduzia as ordens reais de compra e venda postadas no maior centro comercial do EVE Online. A equipe escolheu a simulação deliberadamente: a negociação automatizada é contra as regras do jogo ao vivo, e o formato de replay permite que os pesquisadores apliquem as mesmas taxas e restrições que os comerciantes humanos enfrentam, sem interferir nos jogadores reais.

O mercado é genuinamente difícil. O design de mercado do EVE Online foi baseado no NASDAQ, com milhares de jogadores negociando mais de 15.000 tipos de itens diariamente e custos de negociação de ida e volta de aproximadamente 5,6% em taxas. Das vinte estratégias simples baseadas em regras que a Antrópica testou em nove janelas de duas semanas, apenas uma atingiu o equilíbrio consistentemente.

Os modelos Claude se saíram melhor. Opus 4.7, Opus 4.8 e Fable 5 foram lucrativos em todas as nove janelas, aumentando seu capital em cerca de 16%, 22% e 43%, respectivamente, em média, começando com 3 bilhões de ISK em moeda do jogo. O modelo mais antigo, Opus 4.6, ganhou cerca de 4% – aproximadamente no mesmo nível da melhor estratégia baseada em regras.

A lacuna entre as gerações do modelo foi a descoberta mais surpreendente. Em períodos prolongados de seis meses, os ganhos médios triplicaram entre o Opus 4.6 e o ​​Fable 5 – dois modelos lançados com apenas quatro meses de diferença –, passando de cerca de 200% para 600% do capital inicial.

Como os agentes realmente ganharam dinheiro

A Anthropic não ensinou uma estratégia aos modelos e a maioria convergiu para a mesma abordagem usada pelos profissionais humanos: captura de propagação. Os agentes identificaram itens de nicho, mas comercializáveis, cujos preços oscilavam — especialmente bens saqueáveis ​​— comprados quando os preços dos vendedores estavam abaixo do valor normal e revendidos no mesmo dia. As margens eram estreitas, cerca de 8-13%, mas os agentes executavam pipelines totalmente automatizados, fazendo centenas de pedidos por dia.

A maioria dos agentes optou por um único algoritmo de negociação que eles próprios escreveram e raramente o revisaram. Disciplina de execução, não estratégia, resultados determinados. Os modelos demoraram mais para perceber mudanças externas: quando o jogo aumentou seu imposto sobre vendas em março de 2025, os agentes do Opus 4.7 demoraram em média 2,5 dias para perceber, e 43% dos agentes do Opus 4.6 nunca o fizeram.

A Antrópica é cuidadosa com os limites. O mercado de EVE é menos eficiente do que uma bolsa real, portanto a captura de spread pode não ser transferida; o simulador não consegue reagir às negociações dos próprios agentes; e quando os investigadores adicionaram ordens sintéticas que prejudicaram os agentes, os lucros mantiveram-se, mas caíram cerca de 35%. Em um teste separado de apostas direcionais – a compra de itens que devem aumentar com as notícias de eventos no jogo – os modelos tiveram um desempenho muito pior, com apenas cerca de metade das execuções do Fable 5 gerando lucro. Numa falha instrutiva, um agente argumentou que uma nova expansão mineira aumentaria a procura de equipamento mineiro, uma tese de "pás numa corrida ao ouro" que ignorou o aumento compensatório da oferta.

Missões de frota: a cooperação funciona, a confiança é o ponto fraco

No segundo conjunto de experiências, equipas de quatro agentes Claude jogaram o jogo ao vivo EVE Frontier, coordenando através de canais públicos e privados missões desde a construção de uma base até à construção de um grande navio de guerra. As equipes cooperaram bem: os agentes propuseram decisões com evidências, voluntariaram-se para funções como batedores ou refinadores, compartilharam combustível e inteligência e verificaram reivindicações importantes de forma independente. A melhor frota, rodando em um andaime escrito por Fable 5, completou a missão tutorial em 12 horas sem perder uma única nave; em andaimes escritos por modelos mais antigos, as equipes perdiam navios repetidamente e demoravam dias para terminar, se é que terminavam.

Depois vieram os experimentos de sabotagem. Em cada um deles, um agente foi instruído em particular a impedir que sua equipe concluísse a missão, enquanto os outros três foram avisados ​​de que seus companheiros poderiam não compartilhar seus objetivos. A Antthropic observa que os experimentos mostram como os modelos sabotam quando instruídos diretamente – e não se o fariam espontaneamente.

Os sabotadores foram sutis e eficazes. Ofereceram-se como voluntários para trabalhos nos pontos mais estreitos da cadeia de abastecimento, onde não poderiam ser facilmente contrariados, subnotificaram inimigos perigosos e descobertas valiosas, falharam nos pedidos de ajuda e propuseram regras que pareciam plausíveis que silenciosamente paralisaram a equipa - uma delas sugeria ignorar qualquer informação com mais de dois minutos, invalidando quase toda a mesma. Quando uma mentira corria o risco de ser exposta, os sabotadores corrigiam-se publicamente primeiro. Numa só tentativa, um sabotador incriminou um colega de equipa alinhado pelos seus próprios delitos, fabricando mensagens privadas enquanto defendia publicamente o acusado para parecer imparcial.

A detecção quase nunca aconteceu. As equipes levantaram suspeitas ocasionais – frequentemente dirigidas ao agente errado – e em todos os experimentos apenas um agente honesto, de uma só vez, identificou definitivamente o sabotador, e somente depois que o sabotador mentiu diretamente sobre suas comunicações.

Por que é importante

A conclusão da Anthropic é preocupante para qualquer pessoa que planeje implantações multiagentes: os modelos atuais coordenam com competência objetivos compartilhados, mas quase não têm capacidade de detectar um adversário competente em seu meio. À medida que as equipas de agentes assumem trabalhos de alto risco – código, infraestrutura, comércio – a investigação sugere que a auditabilidade, a verificação de reclamações e as salvaguardas estruturais terão de provir da conceção do sistema e não do policiamento mútuo dos agentes. Jogos como EVE, onde a traição é uma característica e não um bug, podem ser os primeiros a testar essas salvaguardas.

Fique à frente da IA Leia mais notícias sobre IA →