Дом
GPT-6 Astra работает в торговом автомате целый год, зарабатывая 15 000 долларов, и почти в три раза превосходит Claude

Тестовый стенд Vending-Bench2 от Andon Labs продемонстрировал интригующие результаты: ИИ начал с $500 и управлял симуляцией вендингового автомата в течение всего года. Средний итоговый баланс счета GPT-6Astra достиг $15 515, впервые возглавив список; еще более удивительно то, что худший результат его раунда превзошел лучший результат Claude Fable5.1.
Разница между ними заключается не только в сумме заработанных денег, но и в совершенно разных бизнес-подходах. Astra удалось долгое время удерживать низкие цены закупки, снизив цены на продукцию примерно до 48% от исходных; при этом ее соблюдение правил было крайне стабильным, без потерь предоплаты на протяжении всего процесса. Напротив, Fable столкнулась с ростом затрат на закупку и понесла значительные потери предоплаты из-за несоблюдения правил — деньги на балансе просто утекали через пробелы в исполнительных способностях.
В тесте с участием трех игроков Astra также отвергла предложение о сотрудничестве с нарушением правил и выиграла все три раунда. Основная цель этого теста заключалась в оценке ценности долгосрочной автономии агента: быть умным — это лишь одна сторона вопроса, но способность сохранять соблюдение правил в течение длительного времени и превращать правильные суждения в правильные действия является следующим уровнем сложности.
Связанная статья
В Microsoft назвали сбор данных для ИИ «крупнейшим воровством труда в истории», показывают неотредактированные документы
Разблокированные документы по трёхлетнему иску о нарушении авторских прав, поданному газетой The New York Times против компаний OpenAI и Microsoft, содержат признание в том, что скрейпинг данных для обучения искусственного интеллекта является кражей
ElevenLabs представляет Music v2 с поддержкой нескольких вариантов и полными коммерческими правами
28 мая ElevenLabs, пионер в области технологий искусственного интеллекта для создания голоса и музыки, официально представил свою новейшую модель генерации музыки — Music v2. Эта модель знаменует собой значительный прогресс по сравнению с версией пер
Synthia переносит фокус с видео на взаимодействие с ИИ, предоставляя ответы в реальном времени и оценки производительности
Synthesia давно известна тем, что использует искусственный интеллект для создания интерактивных корпоративных обучающих видеороликов за считанные минуты, предлагая экономически эффективную альтернативу традиционным корпоративным образовательным ресур
Рекомендации по связанным специальным темам
Комментарии (0)

Тестовый стенд Vending-Bench2 от Andon Labs продемонстрировал интригующие результаты: ИИ начал с $500 и управлял симуляцией вендингового автомата в течение всего года. Средний итоговый баланс счета GPT-6Astra достиг $15 515, впервые возглавив список; еще более удивительно то, что худший результат его раунда превзошел лучший результат Claude Fable5.1.
Разница между ними заключается не только в сумме заработанных денег, но и в совершенно разных бизнес-подходах. Astra удалось долгое время удерживать низкие цены закупки, снизив цены на продукцию примерно до 48% от исходных; при этом ее соблюдение правил было крайне стабильным, без потерь предоплаты на протяжении всего процесса. Напротив, Fable столкнулась с ростом затрат на закупку и понесла значительные потери предоплаты из-за несоблюдения правил — деньги на балансе просто утекали через пробелы в исполнительных способностях.
В тесте с участием трех игроков Astra также отвергла предложение о сотрудничестве с нарушением правил и выиграла все три раунда. Основная цель этого теста заключалась в оценке ценности долгосрочной автономии агента: быть умным — это лишь одна сторона вопроса, но способность сохранять соблюдение правил в течение длительного времени и превращать правильные суждения в правильные действия является следующим уровнем сложности.
В Microsoft назвали сбор данных для ИИ «крупнейшим воровством труда в истории», показывают неотредактированные документы
Разблокированные документы по трёхлетнему иску о нарушении авторских прав, поданному газетой The New York Times против компаний OpenAI и Microsoft, содержат признание в том, что скрейпинг данных для обучения искусственного интеллекта является кражей
ElevenLabs представляет Music v2 с поддержкой нескольких вариантов и полными коммерческими правами
28 мая ElevenLabs, пионер в области технологий искусственного интеллекта для создания голоса и музыки, официально представил свою новейшую модель генерации музыки — Music v2. Эта модель знаменует собой значительный прогресс по сравнению с версией пер
Synthia переносит фокус с видео на взаимодействие с ИИ, предоставляя ответы в реальном времени и оценки производительности
Synthesia давно известна тем, что использует искусственный интеллект для создания интерактивных корпоративных обучающих видеороликов за считанные минуты, предлагая экономически эффективную альтернативу традиционным корпоративным образовательным ресур











