Anthropic провёл рынок, где агенты торговались за людей. Один сломанный велосипед Opus продал за $65, Haiku за $38. И в этом скрыта стратегия выбора модели на 2026 год
В конце апреля Anthropic провёл эксперимент под названием Project Deal. На неделю превратили офис в Сан-Франциско во внутренний рынок наподобие Авито. 69 сотрудников, 500+ листингов, 186 сделок, общий оборот чуть больше $4 000. Сноуборды, оригинальные картины, бытовая электроника, мешок из 19 пинг-понг шариков.
Особенность одна. Торговались не люди. Торговались агенты на Claude, которых сотрудники назначили действовать от своего имени.
Без заранее заданного протокола переговоров. Просто естественный язык, имена цен, контр-офферы, договорённости. Сделки физически закрывались обменом товаров.
Главный результат эксперимента не про то, что агенты могут договариваться. Это уже умели. Главный результат про асимметрию.
Что произошло
Сотрудники могли назначить агенту любую модель Claude. Большинство выбирали из двух: Opus 4.5 (топовая модель, $5 за миллион входящих токенов) или Haiku 4.5 (быстрая и дешёвая, $0.5 за миллион).
Anthropic после недели опубликовала разбор сделок и обнаружила систематический перекос. Когда один и тот же предмет продавался Opus-агентом, он уходил в среднем на $3.64 дороже, чем когда тем же предметом торговал Haiku-агент.
Самый показательный кейс. Сломанный складной велосипед. Один и тот же предмет, один и тот же покупатель. Opus-агент продал его за $65. Haiku-агент за $38. Разница 70 процентов.
Вторая важная деталь из отчёта. Владельцы Haiku-агентов не понимали, что их обыгрывают. Они видели «согласованную цену» в чате с агентом и считали сделку успешной. Альтернативной цены, которую могла бы выторговать модель посильнее, у них в поле зрения не было.
46 процентов участников эксперимента сказали, что готовы платить за такого агента в реальной жизни.
Один анекдот, который Anthropic тоже включил в отчёт. Один из агентов купил для своего владельца сноуборд, который владелец уже имел. То есть AI-агенты хорошо торгуются, но контекст «что я уже имею» теряют легко.
Почему обычная логика выбора модели не работает в агентской среде
В индустрии устоялся способ выбирать LLM-модель. Считаешь стоимость за миллион токенов. Сверяешься с бенчмарками: HumanEval, MMLU, GPQA. Выбираешь по соотношению. Эта логика хорошо работает, когда модель отвечает напрямую человеку и качество ответа можно оценить глазами.
В агентской среде логика выбора другая. Модель действует от имени владельца, договаривается с другой стороной (которая тоже на агенте), формирует сделку. Качество модели проявляется не в одном ответе, а в exit-метриках сделки: цена, скорость закрытия, доля принятых условий.
И эти exit-метрики невидимы для владельца. Он видит только результат, согласованную цену. Сравнить её с альтернативной (что выторговала бы другая модель) можно только в эксперименте. В обычной работе такого сравнения не существует.
Project Deal первый раз честно показал масштаб эффекта на сопоставимых данных. Условия эксперимента были симметричны: тот же рынок, те же предметы, те же покупатели. Различалась только модель агента продавца. Разница в exit-метрике существенная и статистически устойчивая.
Что это значит для вашего бизнеса
Сегодня большинство SMB-команд используют LLM-агентов в простых сценариях: чат-помощники, автоматизация задач, генерация контента. Здесь exit-метрика прямая, видна владельцу, и логика «считай стоимость токенов и качество ответа» полностью применима.
Но всё больше use cases уходит в агентскую среду, где другая сторона тоже на агенте. Конкретно:
- B2B-переговоры через AI: ваш агент договаривается с агентом контрагента об условиях контракта.
- Закупки и тендеры: ваш агент анализирует предложения от агентов поставщиков, торгуется по условиям.
- Customer success-операции: агент договаривается с агентом клиента об условиях возврата, скидки, продления.
- Внутренние «рынки»: агенты внутри компании договариваются о приоритетах, ресурсах, графиках.
Во всех этих сценариях логика Project Deal применима один к одному. Сильная модель выторгует лучше. Слабая модель выторгует хуже. Владелец увидит только сам факт сделки, не альтернативу. Разница не отражена ни в одном бенчмарке, ни на одной странице цен.
Это новый класс vendor lock-in. Не через невозможность переключиться, а через невидимую упущенную ценность. Команда выбрала Haiku ради дешевизны и быстро потом не пересматривает, потому что причин пересматривать не видно.
Расчёт примера. Допустим, агент закрывает 100 сделок в месяц, средний чек $1000. Если сильная модель торгуется в среднем на 5 процентов лучше слабой (это меньше, чем результат Project Deal), это $5000 в месяц упущенной ценности на одной операционной задаче. На стоимости токенов вы экономите, допустим, $500 в месяц. Чистый минус $4500 в месяц, не отражённый нигде в отчётности.
И вторая сторона. Если ваша компания первой в индустрии перейдёт на сильную модель в агентской среде, выигрыш получится симметричный. Конкуренты не увидят, что недополучают. Это даёт окно конкурентного преимущества, которое закроется только когда индустрия научится сравнивать exit-метрики, а не цены и бенчмарки.
Что делать
- Зафиксировать список агентских use cases в компании, где другая сторона тоже на агенте. Это не все use cases LLM, это специфическое подмножество. Для каждого use case определить exit-метрику: цена, доля принятых условий, скорость закрытия, конверсия.
- Гонять A/B на одной задаче с разными моделями. Не на качестве ответа, а на exit-метрике. Сравнить Opus и Haiku на 50–100 реальных сделках. Если разница незначима, оставить дешёвую модель и сэкономить. Если значима, цена за модель оправдана.
- Прописать в системном промпте агента прямую инструкцию по exit-метрике. Не «договорись по-доброму», а «максимизируй цену» или «защити следующие три условия в порядке приоритета». Слабые модели по умолчанию более «уступчивые», им нужен якорь.
- Завести метрику «недополученная ценность» в инженерной практике. Это разница между тем, что выторговал ваш агент, и тем, что выторговать было можно (по A/B-замеру или по historical baseline). Без неё экономика агентских операций непрозрачна.
- Если ваша индустрия движется в сторону агент-к-агенту-переговоров, выбор сильной модели стоит считать не как «дороже на токенах», а как «дешевле на упущенной ценности».
Кстати говоря, у кого уже агент на проде договаривается с внешней стороной, сравнивали exit-метрики между моделями? Очень любопытно, какие коэффициенты получаются на реальных сделках, не на велосипедах.
Больше разборов AI для бизнеса - в Telegram: https://t.me/gorilla_under_hood
Источники: отчёт Anthropic Project Deal (anthropic.com/features/project-deal), разборы PYMNTS, Cybersecurity News, Legal IT Insider, Artificial Lawyer.