Anthropic onderzocht met Project EVE hoe Claude-agents handelen in EVE Online en samenwerken in EVE Frontier. De handelsproef gebruikte een simulatie van spelersorders; de missies in EVE Frontier speelden zich af in de live game. Anthropic publiceerde het verslag op 6 november 2026 over onderzoek dat van april tot juli 2026 liep, samen met Fenris Creations. Anthropic beschrijft de opzet en resultaten van Project EVE.
Twee verschillende proeven in EVE
Voor de markttest liet Anthropic Claude handelen tegen een replay van koop- en verkooporders van spelers in EVE Online. Elke handelsrun begon met 3 miljard ISK. De vier geteste modellen waren Claude Opus 4.6, Claude Opus 4.7, Claude Opus 4.8 en Claude Fable 5. De agents handelden niet op de live markt van EVE Online.
In EVE Frontier speelden teams juist missies in de live game. Die twee proeven beantwoorden dus verschillende vragen: de ene meet handel in een nagebootste markt, de andere samenwerking tijdens spelmissies.
Vooral spread capture leverde groei op
Over negen gesimuleerde handelsvensters van twee weken rapporteerde Anthropic de volgende gemiddelde kapitaalgroei:
| Claude-model | Gemiddelde kapitaalgroei |
| Claude Opus 4.6 | ongeveer 4% |
| Claude Opus 4.7 | ongeveer 16% |
| Claude Opus 4.8 | ongeveer 22% |
| Claude Fable 5 | ongeveer 43% |
Claude Opus 4.7, Claude Opus 4.8 en Claude Fable 5 waren volgens Anthropic in alle negen vensters winstgevend. De gebruikelijkste aanpak was spread capture: een item onder zijn gebruikelijke waarde kopen en vaak dezelfde dag weer verkopen. De agents verdienden zo aan prijsverschillen binnen de nagebootste markt.
Bij directionele weddenschappen, waarbij een agent inzet op de verwachte prijsrichting, waren de resultaten minder betrouwbaar. Slechts ongeveer de helft van de runs met Claude Fable 5 was winstgevend. Claude Opus 4.7 week geregeld af van die opdracht en gebruikte alsnog spread capture; Anthropic liet zulke runs buiten de resultaten voor directionele weddenschappen.
Lees de groeicijfers als resultaten van een orderreplay: de markt bewoog niet mee met de transacties van de agents.
De replay kon niet reageren op de orders die agents plaatsten. Periodieke momentopnamen uit openbare API’s misten volgens Anthropic bovendien ongeveer de helft van de werkelijk verhandelde activiteit. De cijfers beschrijven daarmee de uitkomsten onder de omstandigheden van deze simulatie.
Teams werkten samen in EVE Frontier
Elk team bestond uit vier afzonderlijke Claude-agents, met elk een eigen personage en schip. Ze konden communiceren via gedeelde openbare en privékanalen. Een scaffold is software tussen een model en de game die snelle handelingen automatiseert en lessen uit eerdere runs bewaart.
Een team met Claude Fable 5 voltooide de tutorial binnen twaalf uur zonder een schip te verliezen, met een scaffold die Claude Fable 5 had geschreven. Teams met Claude Fable 5 en een scaffold geschreven door Claude Opus 4.8 verloren herhaaldelijk schepen en deden er dagen over om de tutorial te voltooien, als ze daarin slaagden. De scaffold bleef betrouwbaar bij situaties die tijdens de ontwikkeling waren voorgekomen. In de moeilijkere opdracht om een groot oorlogsschip te bouwen, kwam het verst gevorderde team ongeveer halverwege.
Anthropic beschreef ook teams die rollen verdeelden, brandstof en informatie deelden en sterkere vijanden gezamenlijk weglokten. Toen één team kritieke infrastructuur op één schip concentreerde en dat schip de verbinding verloor, kwam de economie van het team urenlang stil te liggen.
Een saboteur werd zelden herkend
Voor een aparte proef gaf Anthropic één agent expliciet de opdracht het team tegen te werken. De andere agents kregen te horen dat een teamgenoot mogelijk een ander doel had. Slechts één eerlijke agent wees de saboteur met zekerheid aan.
Anthropic testte daarnaast afzonderlijke, beperkt toegeruste monitors die alleen het openbare teamkanaal konden lezen, niet de privéredeneringen of individuele acties van agents. Bij een bovengrens van 5% voor valse beschuldigingen onderschepten Opus-monitors 30 tot 40% van de saboteurs; een monitor met Sonnet 4.6 onderschepte er 20%. Geen van deze monitors kwam ooit boven 50% zekerheid. Anthropic bouwde ze voor het experiment; ze werden niet in productie gebruikt.
