Проведено исследование поведенческих предустановок больших языковых моделей (LLM) с различным числом параметров на примере профессио-нальных характеристик участника игры двух игроков «Ультиматум». Ав-торы сравнивают поведение LLM в двух ролях: непосредственного игрока (игрок А, предлагающий дележ) и советника человека-игрока. Для задания ролей используется классификация профессий ISCO-08. Эксперименты проведены на четырех современных LLM (Phi-3.5-MoE-instruct, GPT-120b-oss, Qwen2.5-14b-Instruct, Qwen3-235B-A22B-Instruct). Показано, что суще-ствует разница между тем, к какой профессии LLM по умолчанию отно-сит оппонента, и тем, с позиции носителя какой профессии она выступа-ет сама, когда выступает в роли игрока. Обнаружено, что в роли игрока LLM склонны воспринимать себя как руководителя или эксперта, а оппо-нента – как представителя менее квалифицированной профессии. При пе-реходе к роли советника модели, как правило, рекомендуют более низкую долю дележа, чем предлагали бы сами, а их поведение становится менее дифференцированным по профессиям. Результаты важны для понимания скрытых предубеждений LLM и их учета при использовании в качестве автономных агентов и советников в задачах принятия решений.