Anthropic, Claude ajanlarını EVE pazarında ve sabotajlı ekiplerde sınadı

Neler değişiyor?

Anthropic, Claude modellerinin karmaşık pazarlar ve çok ajanlı ekiplerde nasıl davrandığını inceleyen Project EVE sonuçlarını yayımladı. Nisan–Temmuz 2026 arasında yürütülen çalışma, EVE Online pazarının geçmiş emirlerini yeniden oynatan bir simülasyon ile geliştirme aşamasındaki EVE Frontier’da canlı görevler içeriyor.

Pazar deneyinde Opus 4.6, 4.7, 4.8 ve Fable 5 modellerine kârı en üst düzeye çıkarma görevi verildi. Altı aylık koşularda ortalama kazanç Opus 4.6’dan Fable 5’e başlangıç sermayesinin yaklaşık yüzde 200’ünden yüzde 600’üne çıktı. Modeller çoğunlukla düşük riskli alış-satış farkı stratejisine yöneldi; fiyat yönünü tahmin etmeleri istendiğinde ise en yeni model bile koşuların yalnız yaklaşık yarısında kâr etti.

EVE Frontier bölümünde dört Claude ajanı uzun görevlerde rol paylaşımı ve kaynak yönetimi yaptı. Bir ajana ekibini gizlice yavaşlatma talimatı verilen koşullarda dürüst ekip arkadaşları sabotajcıyı neredeyse hiç kesin olarak belirleyemedi. Yalnız ortak mesajları gören ayrı izleme ajanları, yanlış suçlama oranı yüzde 5’i aşmayacak şekilde ayarlandığında sabotajcıların yaklaşık yüzde 20–40’ını yakaladı.

Anthropic, deneyin modellerin kendiliğinden sabotaj eğilimini ölçmediğini özellikle belirtiyor: sabotajcı rolü yalnız bu koşul için istemle verildi. Şirket, gerçek çok ajanlı sistemlerde denetim izi, itibar mekanizması ve görevlerin ayrıştırılması gibi kontrollerin gerekebileceği sonucuna varıyor.