当AI智能体被丢进模拟经济市场，它们的行为真能像人类一样“挤兑”或“恐慌”吗？一项跨实验室的最新实验给出了令人意外的否定答案：即便用五款来自OpenAI、NVIDIA、OpenBMB及自微调模型的智能体同时驱动经济体，此前在单一模型下观察到的价格崩溃现象——那种银行挤兑式的抛售潮——完全消失了。智能体们不但不抛售，反而集体囤积资产，导致价格不跌反涨。这一结果直击当前AI Agent研究的软肋：涌现行为的脆弱性远超预期。

实验设计看似简单：让多个不同的AI模型各自扮演一个独立的经济智能体，在同一个虚拟市场中交易。研究者试图复现此前曾成功触发价格崩溃的设定——当市场信息不对称或存在流动性危机时，单一模型智能体会出现一致性卖出。然而，这次“五模型经济体”的表现彻底颠覆了预期。智能体之间的行为非但没有趋同，反而因模型差异形成了一种“相互观望”的怪圈：每个智能体都倾向于持有而非出售，市场因缺乏卖单而自然形成价格支撑。

为了逼出崩溃，研究者使出了三种手段：第一，散布纯谣言（谎称市场即将崩盘），结果智能体反而将谣言视为买入信号；第二，制造库存泛滥（大量买入人为堆高库存），智能体依然选择囤积；第三，加大做空压力（强制卖出信号），市场反而消化了做空力量，价格纹丝不动。最终，崩溃只能通过直接覆盖结算价格来实现——这是一个“设计事实”，而非涌现结果。换句话说，想让多模型系统崩溃，唯一的办法是强行改价格。

这一实验对当前AI Agent产业有深刻警示。许多团队热衷于用单一模拟器测试智能体行为，并将涌现出的“聪明”行为归功于模型能力。但这次复盘恰恰证明：廉价模拟器会给你虚假信心。当模型数量增多、异质性增加时，涌现行为变得极度不稳定，甚至完全消失。控制论中的“涌现”从来不是稳健的，它依赖精准的初始条件和有限的模型多样性。

落地建议：设计多Agent系统时，切勿依赖输入层微调（比如巧妙地设计提示词来操控行为），而应在结算层设置硬约束——类似金融系统的中央清算机制。如果崩溃是系统的必要测试项，那就直接暴露在结算规则中，而非指望模型自发产生恐慌。这次失败的尝试，恰恰比那些成功的案例更有价值：它教会我们，AI经济的脆弱性不在模型本身，而在我们以为涌现有无限可能，实则它只存在于特定接缝。