搜索
GPT-6 Astra 模拟售货机测试成绩超 Claude 近 3 倍
3 小时前
Andon Labs进行了Vending-Bench 2测试，让AI以500美元启动资金模拟经营自动售货机一年。GPT-6 Astra平均最终账户余额达15515美元，表现优于Claude Fable 5.1，首次登顶。Astra的优势体现在多方面：它能长期维持低价采购，曾将商品报价砍至原价的约48%，且执行规则稳定，无预付款损失。相比之下，Fable的采购成本持续上涨，因未坚持规则产生了大量预付款损失。在三人竞技测试中，Astra拒绝违规协作，三战全胜。此次测试凸显了Agent长期自主性的重要性，其面临的下一个挑战是将正确判断持续转化为正确行动。
