El artículo estudia si descripciones graduadas del Dark Factor of Personality (D1-D5) cambian las elecciones de modelos de lenguaje en una versión binaria y de una sola ronda del juego del ultimátum. Diecisiete etiquetas de modelos ejecutadas con Ollama debían actuar, en generaciones separadas, como proponentes que elegían un reparto justo de 20/20 euros o uno egoísta de 32/8, y como respondedores que aceptaban 8 euros o rechazaban para dejar a ambos con cero. Los datos principales liberados contienen 339.956 completions condicionadas por D, no agentes independientes: 169.981 como proponente y 169.975 como respondedor, repartidas entre cinco niveles, dos temperaturas y 17 modelos. Se comparan descriptivamente con 4.166 decisiones humanas reutilizadas de Hilbig y Thielmann (2025), y se añaden análisis con prompts más explícitos y 800 generaciones atribuidas a GPT-4.1 y GPT-5.1.
En los datos D1-D5 publicados, la proporción agregada de ofertas justas cae de 0,912 a 0,168, y los 17 modelos muestran una asociación negativa entre D y elección justa. La respuesta no sigue un gradiente equivalente: la aceptación agregada es 0,689, 0,781, 0,916, 0,859 y 0,754, con cinco modelos que aceptan siempre y otros con patrones positivos, negativos o planos. La contribución defendible es, por tanto, mostrar que instrucciones explícitas de personalidad pueden producir regularidades fuertes en una elección forzada como proponente, mientras la respuesta depende mucho de la etiqueta del modelo y no reproduce un gradiente humano uniforme. Los textos justificativos también cambian léxicamente, pero palabras como fair, unfair, accept y reject se generan junto con la decisión y permiten predecirla dentro de la misma muestra; esto evidencia eco lingüístico y racionalización observable, no procesamiento interno ni motivación.
La revisión del PDF, los cinco CSV oficiales y el repositorio descubre problemas materiales. La Figura 1 da 0,526 para proponentes de IA, mientras la Tabla 1, el texto y los datos D-only dan 0,491; las observaciones neutrales anunciadas no están publicadas. La hipótesis humana H2 invierte el signo que muestran el OR=0,397 y los propios datos. El score de semejanza humana aparece con fórmulas y valores incompatibles, maneja de forma inconsistente modelos constantes y deriva de notebooks con estado no registrado. Los datos de prompt fuerte tienen 50.000 proponentes pero solo 32.083 respondedores, faltan celdas, publican un resultado de qwen2.5 respondedor ausente del raw y todas las filas de proponente contienen por error las descripciones fuertes de respondedor. El test pareado reproducible usa solo tres modelos y produce p=0,1231, aunque otra celda afirma p<0,05. La supuesta descomposición causal es una secuencia de incrementos R² dependientes del orden, con pseudorreplicación, emparejamientos erróneos, valores de respaldo codificados y un procedimiento de bootstrap que mezcla los grupos antes de remuestrear.
El resultado debe interpretarse como cumplimiento de prompts en una tarea hipotética estrecha, no como evidencia de mentes que negocian, personalidad oscura latente o parecido psicológico con humanos. No hay negociación, interacción, incentivos reales, persistencia ni aprendizaje. La D humana es una medida continua en una muestra natural; la D de IA es un tratamiento lingüístico equilibrado y a veces prescribe directamente la conducta, por lo que ambas escalas no son psicométricamente equivalentes. El repositorio actual es posterior a la publicación, no tiene tag, conserva puntos de entrada rotos y no congela modelos, dependencias ni datos neutrales. Además, el paquete redistribuye microdatos humanos con demografía y 98 respuestas psicométricas pese a declarar que no emplea participantes ni datos personales; esto exige cautela de gobernanza y privacidad, aunque no permite inferir por sí solo una conclusión jurídica.