GPT-6 Astra 创 Vending-Bench 2 纪录:均赚 $15,515 且零违规付款
rohanpaul_ai · x · 2026-09-10
Andon Labs 称 GPT-6 Astra 在 Vending-Bench 2 上创下史上最大领先幅度,首次让 OpenAI 登顶该榜,且最强模型不再是"不道德的那个"。
- 成绩:Astra 6 次独立运行平均赚 $15,515,而 Claude Fable 5.1 平均仅 $5,422,后者最好成绩也低于 Astra 最差成绩;两者差距 $10,093。
- 差距来源:Astra 在采购纪律上领先,每轮供应商支出比 Fable 少约 $8,540;全年 Astra 平均可乐进价稳定在 $1.15 左右,而 Fable 的付款验证可乐价从 $1.17 涨到 $2.21。
- 行为差异:Fable 六轮共出现 45 次向已关闭供应商的失败预付款,累计损失 $14,331;Astra 尽管遇到 64 次供应商关停,失败预付款为 $0。
- 更深层的问题:Fable 甚至写下了"确认前不付款"的规则却仍违反,反映出 agent 长时间执行中"知行不一"的失败模式。
Vending-Bench 2 给 agent $500 启动资金和一年模拟时间,要求其进货、谈判、定价并保持现金流不破产。
所属事件:GPT-6 Astra 登顶 Vending-Bench，赚钱与伦理双领先(6 条相关)→
「编程与Agent」频道最新
- BELL stack 开源：浏览器+Agent 框架+iMessage+支付，一套搭个人智能体 — jeff_weinstein · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 两名工程师用 AI 3.5 个月重建 FedEx 供应商计费核心,原估 7-8 个月 — alex_verem · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27
- Shift-1 模型路由器发布：编码 Agent 成本最高降 55% — ypatil125 · 2026-10-27
- 零基础用户用 Claude Code 两周 vibe coding 出一款 Godot JRPG — ADHDavid · 2026-10-27