Naukowcy zbadali, jak modele językowne wpływają na swoje opinie w trakcie dialogów, tworząc kontrolowany system debat między dwiema sztucznymi inteligencjami. Jeden model otrzymał przypisaną pozycję oraz w niektórych przypadkach instrukcję do persuazji, drugi zaś nie miał z góry określonego stanowiska. Wyniki pokazały znaczące różnice w dynamice opinii między różnymi kombinacjami modeli.
Warunki debaty między modelami tego samego typu zwykle zmniejszały różnicę zdań, choć efekt ten był wyraźny dla tylko jednego z uczestników. Natomiast gdy model GPT-6 Luna debatował z Gemini 2.5 Flash Lite lub odwrotnie, różnice opinii się powiększały. Interesujące jest to, że zwykłe polecenie modelowi aby "persuadował" nie zawsze prowadziło do większego wpływu na drugą stronę.
Badanie ma ważne implikacje dla zrozumienia, jak zmienia się przekonania w rozszerzonych rozmowach między AI. Pokazuje bowiem, że wpływ conversacyjny zależy nie tylko od przypisanych ról czy początkowych stanowisk, ale w znaczącym stopniu od charakterystyk poszczególnych modeli. To sugeruje, że mierząc zmianę opinii w dialogach LLM, powinniśmy brać pod uwagę, które konkretnie modele ze sobą rozmawiają, a nie tylko patrzeć na same instrukcje czy role.