Hogar
GPT-6 Astra ejecuta una máquina expendedora durante un año, ganando $15,000, superando a Claude casi por 3 veces

El test Vending-Bench2 de Andon Labs ofreció un rendimiento intrigante: la IA comenzó con $500 y operó una máquina expendedora simulada durante un año completo. El saldo final promedio de GPT-6Astra alcanzó $15,515, ocupando el primer lugar por primera vez; aún más asombroso es que su peor rendimiento en una ronda fue superior al mejor rendimiento de Claude Fable5.1.
La diferencia entre ambos no radica solo en cuánto dinero ganaron, sino también en sus enfoques comerciales completamente distintos. Astra logró mantener los precios de compra bajos durante mucho tiempo, reduciendo los precios de los productos a aproximadamente el 48% del precio original; al mismo tiempo, su cumplimiento de las reglas fue extremadamente estable, sin pérdidas por pagos anticipados durante todo el proceso. En contraste, Fable experimentó un aumento en los costos de adquisición e incurrió en importantes pérdidas por pagos anticipados debido a no seguir las reglas; el dinero en los libros simplemente se filtró a través de las brechas en la capacidad de ejecución.
En la prueba de competencia entre tres jugadores, Astra también rechazó una invitación para una colaboración que violaba las reglas y ganó las tres rondas. El verdadero enfoque de este test fue el valor de la autonomía a largo plazo de un Agente: ser inteligente es un aspecto, pero si puede mantener las reglas durante un período prolongado y convertir juicios correctos en acciones correctas es el siguiente umbral.
Artículo relacionado
Los ejecutivos de Microsoft califican el raspado de datos de IA como el mayor robo de trabajo en la historia, según documentos no enmendados
Los documentos desclasificados de la demanda por derechos de autor de tres años de antigüedad presentada por The New York Times contra OpenAI y Microsoft revelan una admisión de que el raspado de datos por parte de la inteligencia artificial constitu
ElevenLabs presenta Music v2 con soporte para múltiples variaciones y derechos comerciales completos
El 28 de mayo, ElevenLabs, pionera en tecnología de voz e inteligencia artificial para la música, lanzó oficialmente su último modelo de generación musical, Music v2. Marcando una evolución significativa respecto al modelo de primera generación lanza
Synthia cambia el enfoque de los videos a las interacciones con IA, ofreciendo respuestas en tiempo real y calificaciones de rendimiento
Synthesia ha sido conocida durante mucho tiempo por aprovechar la inteligencia artificial para producir videos de formación corporativa interactivos en cuestión de minutos, ofreciendo una alternativa rentable a los recursos tradicionales de aprendiza
Recomendaciones de temas especiales relacionados
comentario (0)
0/500

El test Vending-Bench2 de Andon Labs ofreció un rendimiento intrigante: la IA comenzó con $500 y operó una máquina expendedora simulada durante un año completo. El saldo final promedio de GPT-6Astra alcanzó $15,515, ocupando el primer lugar por primera vez; aún más asombroso es que su peor rendimiento en una ronda fue superior al mejor rendimiento de Claude Fable5.1.
La diferencia entre ambos no radica solo en cuánto dinero ganaron, sino también en sus enfoques comerciales completamente distintos. Astra logró mantener los precios de compra bajos durante mucho tiempo, reduciendo los precios de los productos a aproximadamente el 48% del precio original; al mismo tiempo, su cumplimiento de las reglas fue extremadamente estable, sin pérdidas por pagos anticipados durante todo el proceso. En contraste, Fable experimentó un aumento en los costos de adquisición e incurrió en importantes pérdidas por pagos anticipados debido a no seguir las reglas; el dinero en los libros simplemente se filtró a través de las brechas en la capacidad de ejecución.
En la prueba de competencia entre tres jugadores, Astra también rechazó una invitación para una colaboración que violaba las reglas y ganó las tres rondas. El verdadero enfoque de este test fue el valor de la autonomía a largo plazo de un Agente: ser inteligente es un aspecto, pero si puede mantener las reglas durante un período prolongado y convertir juicios correctos en acciones correctas es el siguiente umbral.
Los ejecutivos de Microsoft califican el raspado de datos de IA como el mayor robo de trabajo en la historia, según documentos no enmendados
Los documentos desclasificados de la demanda por derechos de autor de tres años de antigüedad presentada por The New York Times contra OpenAI y Microsoft revelan una admisión de que el raspado de datos por parte de la inteligencia artificial constitu
ElevenLabs presenta Music v2 con soporte para múltiples variaciones y derechos comerciales completos
El 28 de mayo, ElevenLabs, pionera en tecnología de voz e inteligencia artificial para la música, lanzó oficialmente su último modelo de generación musical, Music v2. Marcando una evolución significativa respecto al modelo de primera generación lanza
Synthia cambia el enfoque de los videos a las interacciones con IA, ofreciendo respuestas en tiempo real y calificaciones de rendimiento
Synthesia ha sido conocida durante mucho tiempo por aprovechar la inteligencia artificial para producir videos de formación corporativa interactivos en cuestión de minutos, ofreciendo una alternativa rentable a los recursos tradicionales de aprendiza











