Иллюзия рациональности: как продвинутые LLM расходятся в стратегиях переговоров

Парадокс: GPT-4.1 и GPT-4.1 mini показывают идентичные результаты на reasoning-бенчмарках, но в переговорных симуляциях расходятся на 30-40% по выплатам. Исследование прогнало 6 топовых моделей через игры «Продавец-Покупатель» и обнаружило: вместо схождения к единому рациональному поведению модели расползаются в уникальные стратегические ниши. Gemini 2.5 Pro доминирует в обеих ролях, Claude 4.5 Sonnet силён как продавец но слаб как покупатель, GPT-4.1 mini проигрывает везде. Главная слабость всех моделей — эффект якоря: первое названное число определяет финальную цену с корреляцией 0.78–0.91, даже если это число взято с потолка.