不是一个整体：中国前沿LLM智能体合作均衡的实验室水平分歧

西方前沿 LLM 智能体记录的合作偏见是否会延伸到不同的阵营谱系，体现它的中国模型是否应该被视为一个整体或不同的实验室？我们在进化迭代囚徒困境中研究了四种前沿的中国模型 - DeepSeek V4 Pro、Qwen3-Max、Kimi K2.5 和 GLM-5.1，其设计消除了先前工作中存在的混淆。我们没有让每个模型将自己的自然语言策略转换为代码，这将策略部署与编码能力纠缠在一起，而是在所有实验室中保持固定的转换器（GPT-5.4 Mini），因此每次跨实验室比较都是单独一代的比较。我们运行完整的协议：所有比赛和莫兰过程，每个条件 n=500 次运行，跨越三种提示风格和四种人口制度。评估两个预先注册的假设。支持 H6（非整体式）：四个实验室在激进平衡比例方面存在显着差异，P_A 从 Qwen3-Max 的 1% 到 DeepSeek V4 Pro 的 9%，其中六个成对比较中的四个在 Holm-Bonferroni 中幸存。四个实验室的分布（P_A范围8pp）大于中国和西方生态系统平均P_A之间的差异（5.0% vs 5.0%）：以此衡量，生态系统内的差异超过了东西方的差距。 H5（合作偏向普遍性）是一致的，但也是合格的：合作多数在 12 个实验室提示组合中的 6 个中成立，而西方模型报告的 12 个组合中只有 9 个成立，我们并不认为这种差异是牢固的，因为计数依赖于合作中立的近关系，并且在我们预先注册的稳健性检查中的替代转换器下上升到 9/12。实验室，而不是生态系统，是设定合作处置的单位；将“中国模式”视为一个整体是没有证据支持的。