Andon Labs近日开展Vending-Bench2测试，要求AI代理以500美元启动资金经营模拟自动售货机一年。GPT-6 Astra平均最终账户余额达15515美元，表现领先Claude Fable5.1，且其最差成绩仍超过对方最佳成绩。测试显示，GPT-6 Astra在供应链管理和规则执行方面更稳定，曾将采购报价降至原价约48%，并避免预付款损失；Claude则因采购成本上升及规则执行偏差造成损失。在三人竞技测试中，GPT-6 Astra拒绝违规协作并赢下全部3轮。
Andon Labs近日开展Vending-Bench2测试，要求AI代理以500美元启动资金经营模拟自动售货机一年。GPT-6 Astra平均最终账户余额达15515美元，表现领先Claude Fable5.1，且其最差成绩仍超过对方最佳成绩。测试显示，GPT-6 Astra在供应链管理和规则执行方面更稳定，曾将采购报价降至原价约48%，并避免预付款损失；Claude则因采购成本上升及规则执行偏差造成损失。在三人竞技测试中，GPT-6 Astra拒绝违规协作并赢下全部3轮。