摘要： 随着大语言模型（LLM）智能体从决策支持走向自主采购，企业需要知道被委派的谈判者是否能创造价值、能否可预测地分配价值，以及能否避免签订亏损合同。我们在一个经典的供应链讨价还价问题中对此进行研究：一个拥有私人需求信息的买方与一个不知情的卖方就数量-支付合同进行谈判。我们将来自 OpenAI、Google 和 Alibaba 的九种 LLM 与一个经过验证的完美贝叶斯均衡（Perfect Bayesian Equilibrium）在 9，840 次 LLM 对 LLM 的谈判中进行了基准比较。首先，能力决定价值创造。智能体在 98.9% 的谈判中达成协议，并捕获了 95.4% 的一阶最优剩余（未折现），但平均需要 2.98 轮，而基准模型只需 1.25 轮，这种延迟侵蚀了 21-34% 的剩余。能力也决定了可靠性：基线模型在 19.2% 的情况下接受了个人非理性合同，而中端和旗舰模型则为 0.0-0.6%，这使得自动化利润验证成为该阈值以下的关键护栏。其次，剩余捕获具有关系性。提供者身份比能力等级更能预测谁捕获剩余：自我对弈中，OpenAI 的买方份额平均为 40%，Google 为 50%，Alibaba 的 Qwen 为 70%，这一排序在受限通信和无折现情况下依然成立。反转哪个提供者作为卖方会使分配比例变动 7-18 个百分点，而能力强大的 Qwen 旗舰模型却是最弱的跨系列卖方：供应商选择是一个一阶分配决策。第三，提示词是一个战略杠杆。委托将委托人的经济耐心与智能体被提示的策略性耐心分离开来，这是一种免费的部署选择，也是剩余分配的最强驱动因素（占已解释方差的 90%）。综合来看，这些发现从三个维度建立了对 AI 智能体的均衡参考审计：折现效率、分配特征和运营可靠性。