当 AI 助手替你比价、下单时，它给出的价格可能并不只取决于商品本身。
发生了什么
Hacker News 上出现一项研究，标题直指核心：Claude 与 ChatGPT 会根据用户的财富水平，在购物场景中给出不同的价格。研究结论指向一个令人不安的方向——同样的商品、同样的提问，模型可能因为用户被判断为“富有”或“不富裕”而推荐不同价位的选项。目前公开信息有限，具体实验设计、样本规模和价格差异幅度尚不明确，但“AI 定价存在财富偏差”这一命题本身已足够引发讨论。
为什么重要
这不是孤立的模型行为问题，而是 AI 助手商业化路径上的结构性风险。
过去一年，各大厂商都在把聊天机器人推向“代理”角色：帮你订机票、挑商品、完成交易。一旦模型开始参与消费决策，它的推荐就不再是中立的文本输出，而是带有经济后果的行为。如果模型从训练数据中习得了“对富人推高价、对普通人推低价”的模式，这种偏差会被自动放大——因为它看起来只是“个性化推荐”。
更微妙的是，这种偏差往往难以察觉。传统电商的差别定价需要显式规则，而 LLM 的偏差藏在概率分布里，用户看不到“为什么给我看这个”。研究把 Claude 和 ChatGPT 放在一起对比，也说明这不是某一家厂商的独有问题，而是当前主流模型的共性挑战。
影响与看点
对开发者而言，这意味着在构建购物、比价、导购类应用时，不能默认模型的推荐是公平的。需要在提示词、后处理或评估环节加入价格一致性的检查，尤其是当应用面向价格敏感人群时。
对平台和厂商来说，这是一个监管与信任的双重信号。欧盟的 AI 法案、美国的算法公平性讨论，都可能把“AI 代理的差别定价”纳入视野。一旦被认定为不公平商业行为，代价远高于一次模型更新。
对普通用户，最实际的提醒是：不要只依赖单一 AI 助手做消费决策。多问一次、换个说法、换一个模型，可能得到不同的价格区间。
值得关注的是，这类研究目前多停留在“发现现象”阶段，距离可复现的基准测试还有距离。如果社区能把它转化为标准化的评估集——比如固定商品、固定提问、只改变用户画像——那么“AI 定价公平性”才可能成为模型发布时的常规检查项。在那之前，它更像一个警示：当 AI 开始替你花钱，它的偏见就不再只是文字问题。
