Project EVE: Anthropic testa o Claude em MMORPGs

A Anthropic usou dois jogos do universo EVE, em parceria com a Fenris Creations, para testar agentes Claude em tarefas longas, de semanas a meses. No EVE Online, o Claude atuou como trader solitário, com a instrução de maximizar lucro, num simulador que reproduz ordens reais de compra e venda do maior hub comercial do jogo. Cada execução começou com 3 bilhões de ISK, e valiam as mesmas taxas e restrições dos jogadores humanos. Comprar e revender custa cerca de 5,6% em taxas. Em duas semanas, só uma das mais de 20 heurísticas simples chegou ao ponto de equilíbrio, e por pouco. Opus 4.7, Opus 4.8 e Fable 5 lucraram nas nove janelas, com ganho médio de cerca de 16%, 22% e 43%. O Opus 4.6 ficou em cerca de 4%.

Nas execuções de seis meses, o ganho médio triplicou entre o Opus 4.6 e o Fable 5, de cerca de 200% para 600% do capital inicial. A estratégia dominante foi captura de spread, com margens de 8% a 13% e centenas de ordens por dia. Nas apostas direcionais, baseadas em notícias e notas de patch, os modelos foram bem piores: mesmo o Fable 5 lucrou em só cerca de metade das execuções. As ressalvas vêm da própria Anthropic: o replay não reage às ações dos agentes, e com ordens sintéticas que cobriam as deles o lucro final caiu cerca de 35%. A empresa também diz não esperar que o spread capture funcione numa bolsa real.

No EVE Frontier, equipes de quatro agentes (Opus 4.8 e Fable 5) jogaram no jogo ao vivo. Como reflexos de milissegundos e noção espacial são pontos fracos desses modelos, um agente desenvolvedor escreveu scaffolds que automatizam ações rápidas, como fugir de ameaças e revidar. A equipe coordenou bem, mas, quando um agente recebeu ordem de sabotar o time em segredo, os colegas quase nunca perceberam.

Para quem constrói agentes de longo prazo, o recado é prático: o ganho veio de execução disciplinada e automação, não de raciocínio sofisticado sobre mercado. Quem pensa em delegar decisões financeiras a agentes deve olhar com cuidado para a falha em apostas direcionais e para a lentidão dos modelos mais antigos em notar mudanças, como o aumento de imposto. O teste de sabotagem em equipe sugere que sistemas multiagente vão precisar de salvaguardas de auditoria, já que os próprios agentes não detectaram o colega desalinhado. Isso é leitura editorial, e os resultados valem para um mercado de jogo, não para bolsas reais.