Anthropic เปิดผลทดลอง 'Project Deal' — ปล่อย Claude 69 ตัวต่อรองซื้อขายของกันเอง 186 ดีล Opus ทำราคาดีกว่า Haiku $3.64 ต่อชิ้น
Anthropic ปล่อยรายงาน Project Deal — งานทดลองที่จัดขึ้นในเดือนธันวาคม 2025 และเพิ่งปล่อยผลออกมาเมื่อ 24 เมษายน 2026 — โดยจำลอง classified marketplace ใน Slack ของออฟฟิศซานฟรานซิสโก แล้วปล่อย Claude agent ตัวแทนของพนักงาน 69 คน ต่อรองซื้อขายของส่วนตัวกันเองโดยไม่มีมนุษย์เข้าแทรกระหว่างการเจรจา
ผลลัพธ์: agent ทำธุรกรรมสำเร็จ 186 ดีล มูลค่ารวมกว่า $4,000 และพบความแตกต่างชัดเจนระหว่าง Claude Opus 4.5 กับ Haiku 4.5 ในด้าน “ความสามารถต่อรอง”
วิธีออกแบบการทดลอง
ทีม Anthropic ทำหน้า experiment แบบ Craigslist สำหรับพนักงาน แต่ทุก deal ทำผ่าน AI agent ทั้งหมด:
- Claude สัมภาษณ์พนักงาน เรื่องของส่วนตัวที่จะขาย และของที่อยากซื้อ
- ทุกคนได้ agent ของตัวเอง + งบ $100 สำหรับซื้อของในตลาด
- Slack channel เป็นเวที — agent โพสต์ขาย, ยื่น offer, และปิดดีลกันเอง
- ห้ามมนุษย์เข้าแทรก ระหว่างการเจรจา — agent ไม่ขอ confirm กับเจ้าของก่อนปิดดีล
- ทุก deal ใช้ natural language ล้วน ๆ ไม่มี protocol negotiation สำเร็จรูป
ทีมรัน 4 ตลาดคู่ขนาน เพื่อเปรียบเทียบ:
- Run A และ D — agent ทุกตัวใช้ Claude Opus 4.5 (frontier model ตอนนั้น)
- Run B และ C — สุ่มแบ่ง 50/50 ระหว่าง Opus 4.5 และ Haiku 4.5 (smallest model)
- เฉพาะหนึ่งใน 4 runs เป็น “real” market — สินค้าจะถูกแลกเปลี่ยนจริง
ผลลัพธ์: Opus ทำเงินได้มากกว่า Haiku อย่างมีนัยสำคัญ
จุดที่น่าสนใจที่สุดของผลคือ smarter model = ดีลที่ดีกว่า ในมิติที่วัดได้:
- คนที่ใช้ Opus ปิดดีลได้มากกว่า Haiku ประมาณ 2 ดีล ต่อคน โดยเฉลี่ย
- เมื่อสินค้าขายโดย Opus ราคาเฉลี่ยสูงกว่าตอนขายโดย Haiku $3.64
- ตัวอย่างที่ Anthropic ยกในรายงาน: lab-grown ruby ก้อนเดียวกัน Opus ขายได้ $65 ส่วน Haiku ขายได้แค่ $35 — Opus เปิดราคา $60 แล้วถูกหลายคน bid ขึ้นไป ส่วน Haiku เปิดที่ $40 แล้วถูกต่อรองลงมา
ที่สำคัญและน่ากังวลกว่านั้น — คนที่ได้ agent อ่อนกว่าไม่รู้ตัว เมื่อให้ผู้เข้าร่วมประเมิน fairness ของแต่ละ deal บน scale 1-7 คะแนนเฉลี่ยอยู่ที่ราว 4 (กลาง ๆ) และคนส่วนใหญ่บอกว่า พอใจกับวิธีที่ agent ทำหน้าที่แทน แม้ตามเลขจริงจะเสียเปรียบ
พฤติกรรมการต่อรองที่น่าสนใจ
เนื่องจากไม่มี protocol สำเร็จรูป agent ต้องคิดเองว่าจะ:
- identify match ระหว่าง buyer/seller ได้อย่างไร
- propose price เริ่มต้น
- field counteroffer และ walk away threshold
- close deal ในรูปแบบ natural language
Anthropic ระบุว่า agent ถูกออกแบบให้มี custom instructions ส่วนตัว ที่สรุปจาก interview กับเจ้าของ — แต่ระหว่างการเจรจาจริง ไม่มี channel กลับไปถามเจ้าของอีก agent ต้องตัดสินเองทั้งหมด
ผลที่ตามมาก็มีกรณี agent ปิดดีล “เร่งรีบ” หรือ “ใจอ่อนเกินไป” โดยที่เจ้าของไม่ได้รับรู้จนกว่าจะเห็น summary
มุมมอง AI Curator
Project Deal เป็นชิ้นงาน research ที่อยู่ในแนวเดียวกับ Project Vend (ที่ Claude บริหาร vending machine แล้วเจ๊ง) แต่ครั้งนี้ Anthropic ออกแบบให้ isolated risk ดีขึ้น — ใช้พนักงาน real, สินค้า real, แต่ในระบบควบคุม
สิ่งที่ทำให้รายงานนี้สำคัญในระยะยาว ไม่ใช่ตัวเลข 186 ดีลหรือ $4,000 — แต่คือ 2 finding ที่ชี้ไปคนละทิศ:
Finding 1: smarter model = ดีล economics ดีกว่า อย่างวัดได้
Opus ทำเงินได้มากกว่า Haiku $3.64 ต่อชิ้น และปิดดีลได้มากกว่า 2 ครั้งต่อคน ในตลาดเดียวกัน นี่คือหลักฐานเชิง empirical ครั้งแรก ๆ ที่ frontier model สร้างความได้เปรียบทางเศรษฐกิจในงาน negotiation จริง — ไม่ใช่แค่ benchmark
Finding 2: คนที่ใช้ weak model ไม่รู้ตัว
อันนี้คือ regulatory implication ระดับเสือทับคน ในอนาคตที่ agent-to-agent commerce เกิดขึ้นจริง:
- ผู้บริโภคที่ใช้ “AI agent ฟรีหรือถูก” จะเสียเปรียบโครงสร้างให้คนที่จ่ายเงินซื้อ “premium agent”
- และเขา จะไม่รู้ เพราะ agent ก็ปิดดีลและรายงานผลได้สวยงามอยู่ดี
- เป็น asymmetric information แบบใหม่ที่ disclosure rule แบบเดิม (ดอกเบี้ย, ค่าธรรมเนียม) ครอบไม่ถึง
สำหรับบริบทไทย/SEA — เริ่มเห็นการขยับของ marketplace อย่าง Lazada และ Shopee ที่ทดลอง AI agent ช่วย buyer ค้นหาและ negotiation กับ seller ถ้าทิศทางนี้พัฒนาต่อจริง ภายใน 2-3 ปี โครงสร้างราคาในตลาดออนไลน์ไทยจะถูก “AI-mediated” มากขึ้นเรื่อย ๆ
3 ประเด็นที่ regulator (กสทช., สคบ., ธปท.) ในไทยควรเริ่มคิดล่วงหน้า:
1. Disclosure ของ “agent on behalf of” — ถ้า AI agent กำลังต่อรองแทนผู้บริโภค platform ต้อง disclose model tier ที่ใช้หรือไม่? ถ้าใช้ “free tier” ที่อ่อนกว่า ผู้บริโภคต้องรู้หรือไม่?
2. Right to human review — ก่อนที่ AI agent จะปิดดีลเกินจำนวนที่กำหนด (เช่น >5,000 บาท) ต้อง require human confirm หรือไม่? Anthropic ตั้งใจ remove human in loop เพื่อทดลอง — ในตลาดจริงอาจต้องมี
3. Audit trail ที่อ่านออกได้ — agent reasoning trace ต้อง preserve และผู้ใช้ต้อง access ได้ ไม่ใช่แค่ summary “ดีลปิดที่ราคา X”
ในระยะสั้น — สำหรับนักพัฒนาไทยที่กำลังคิดสร้าง consumer-facing agent (เช่น financial advisor agent, shopping agent, real estate agent) งานนี้คือ case study ที่ต้องอ่าน เพราะแสดงทั้ง upside (consumer ใช้แล้วชอบ) และ downside (consumer ไม่รู้ตัวว่าโดน suboptimal advice)
ทางออกที่ดีที่สุดในช่วง early days น่าจะเป็น transparent multi-tier pricing บอกให้ผู้ใช้รู้ตรง ๆ ว่า “ใช้ tier ฟรีจะใช้ Haiku, ต้องการ Opus จ่ายเพิ่ม X บาท” — แทนที่จะปกปิด
แหล่งข่าว
อ่านเพิ่มในหมวด งานวิจัย
Anthropic ให้ Claude สร้างชุดข้อมูลที่ดูไร้พิษภัยแต่ทำโมเดลเบี้ยว ซ่อนในเรื่องเลี้ยงผึ้งและมวยปล้ำ จนผ่านระบบตรวจที่คล้ายของจริง
ทีม Alignment ของ Anthropic ให้ Claude ปีนหาชุดข้อมูล fine-tune ที่หลบ monitor ได้ ผลคือซ่อนพฤติกรรมในงานเขียนแนวบทบาทสมมติ และโมเดลที่เทรนแล้วนำไปใช้ในบุคลิกตัวเอง ผลซ้ำได้บน Qwen 3.6 27B แต่การทดลองเอื้อฝ่ายโจมตีมากและไม่ได้สะท้อนโมเดลที่ใช้งานจริง
Memdoor ทำซ้ำ GVS5H ได้: ทีม Qwen3.8-27B ห้าตัวตามทัน Fable 5 บนโจทย์ LiveCodeBench Hard แต่ผู้ทำบอกเองว่า 'เท่า' ไม่ใช่ 'ชนะ'
Memdoor ปล่อย workflow team-solve ที่เขียนวิธี GVS5H เป็น YAML ล้วนและทำคะแนน 9.8/10 บน LiveCodeBench Hard 10 ข้อ เทียบกับ 8.0 ของ Fable 5 แบบเรียกครั้งเดียว แต่ตัวอย่างเล็กและมีข้อจำกัด ส่วนงานวิจัยต้นฉบับชี้ว่าวิธีนี้ไม่ได้ช่วยทุกโมเดล
QwenPU รัน LLM ซ้อนใน LLM ด้วยหน่วยเวกเตอร์ที่คอมไพล์ลงในน้ำหนัก Qwen3.5-4B ส่วน bootgpt ทำให้เครื่อง 386 บูตเข้าโมเดลภาษาโดยไม่มี OS
ผู้สร้าง Qwenputer ปล่อย QwenPU เมื่อ 31 ต.ค. รัน stories260K ของ Karpathy บนหน่วยเวกเตอร์ที่คอมไพล์ลงในน้ำหนัก Qwen3.5-4B ลดเหลือ 53,000 trace token ต่อหนึ่ง token เรื่องเล่า วันเดียวกัน bootgpt ใส่โมเดล int8 ขนาด 11.5KB ให้บูตบนเครื่อง 386 โดยไม่มี OS