GPT-6 Astra 執行自動售貨機長達一年,賺取 15,000 美元,表現比 Claude 高出近 3 倍

Andon Labs 的 Vending-Bench2 測試呈現出令人矚目的表現:AI 以 500 美元起步,模擬運營了一整年的自動售貨機。GPT-6Astra 的平均最終賬戶餘額達到 15,515 美元,首次登頂——更令人驚訝的是,其最差一輪的表現也高於 Claude Fable5.1 的最佳一輪。
兩者的差異不僅在於盈利多少,更在於截然不同的商業策略。Astra 成功地將採購價格長期維持在低位,將產品售價壓低至原價的約 48%;同時,其規則執行極為穩定,全程未出現預付款損失。相比之下,Fable 的採購成本不斷上升,且因未能堅守規則而產生了鉅額預付款損失——賬面上的資金僅僅透過執行能力的漏洞悄然流失。
在三方競爭測試中,Astra 同樣拒絕了違規合作的邀請,並贏得了全部三輪比賽。本次測試的核心焦點在於 Agent 長期自主性的價值:聰明只是一方面,能否在長週期內堅守規則,並將正確的判斷轉化為正確的行動,才是下一個關鍵門檻。
相關文章
ElevenLabs 釋出 Music v2,支援多版本生成並賦予完整商業使用權
5月28日,AI語音與音樂技術領域的先驅ElevenLabs正式推出了其最新的音樂生成模型Music v2。作為對十個月前釋出的第一代模型的重大演進,Music v2在音樂編曲的複雜性、人聲細節以及風格切換能力方面實現了顯著提升。1. 核心突破:“模組化”創作工作流Music v2超越了基本的文字轉音訊轉換,為藝術家提供了精細化的創作工作流:動態風格切換: 該模型支援在單首曲目中無縫切換音樂風格,例如從複雜的歌劇過渡到重金屬音樂,同時保持節奏的一致性和結構的完整性。分段創作與編輯: 使用者
Synthia 將焦點從影片轉向 AI 互動,提供實時響應和表現評分
Synthesia 長期以來以利用人工智慧在幾分鐘內製作互動式企業培訓影片而聞名,為傳統企業學習資源提供了更具成本效益的替代方案。如今,這家英國初創公司正在轉變其關注點:企業人工智慧的真正競爭優勢可能不在於內容創作,而在於展示切實有效的成果。週三,Synthesia 推出了角色扮演會話(Roleplay Sessions),這是一種互動式培訓工具,允許員工與人工智慧虛擬人排練高風險對話,例如銷售推介、績效評估和客戶服務互動。該虛擬人能夠動態回應、挑戰使用者,並根據既定評分標準提供評分。據 Tec
紐約州將對 5,000 萬個 AI 資料中心實施用電上限
紐約州的舉措展現了全球各國政府可能如何管理、課稅及規範人工智慧熱潮所帶來的實體足跡。圖片來源:Luca Bravo/Unsplash紐約州州長凱西·霍丘爾簽署了一項具有歷史意義的行政命令,暫停資料中心的建設,同時州政府官員正起草嚴格的環境影響規範人工智慧對基礎設施的需求,如今已與現有電力網的實體限制產生衝突。紐約州已成為美國首個正式暫停超大規模數據中心開發的州,對耗電量達50兆瓦或以上的新建數據中
相關專題推薦
評論 (0)
0/500

Andon Labs 的 Vending-Bench2 測試呈現出令人矚目的表現:AI 以 500 美元起步,模擬運營了一整年的自動售貨機。GPT-6Astra 的平均最終賬戶餘額達到 15,515 美元,首次登頂——更令人驚訝的是,其最差一輪的表現也高於 Claude Fable5.1 的最佳一輪。
兩者的差異不僅在於盈利多少,更在於截然不同的商業策略。Astra 成功地將採購價格長期維持在低位,將產品售價壓低至原價的約 48%;同時,其規則執行極為穩定,全程未出現預付款損失。相比之下,Fable 的採購成本不斷上升,且因未能堅守規則而產生了鉅額預付款損失——賬面上的資金僅僅透過執行能力的漏洞悄然流失。
在三方競爭測試中,Astra 同樣拒絕了違規合作的邀請,並贏得了全部三輪比賽。本次測試的核心焦點在於 Agent 長期自主性的價值:聰明只是一方面,能否在長週期內堅守規則,並將正確的判斷轉化為正確的行動,才是下一個關鍵門檻。
ElevenLabs 釋出 Music v2,支援多版本生成並賦予完整商業使用權
5月28日,AI語音與音樂技術領域的先驅ElevenLabs正式推出了其最新的音樂生成模型Music v2。作為對十個月前釋出的第一代模型的重大演進,Music v2在音樂編曲的複雜性、人聲細節以及風格切換能力方面實現了顯著提升。1. 核心突破:“模組化”創作工作流Music v2超越了基本的文字轉音訊轉換,為藝術家提供了精細化的創作工作流:動態風格切換: 該模型支援在單首曲目中無縫切換音樂風格,例如從複雜的歌劇過渡到重金屬音樂,同時保持節奏的一致性和結構的完整性。分段創作與編輯: 使用者
Synthia 將焦點從影片轉向 AI 互動,提供實時響應和表現評分
Synthesia 長期以來以利用人工智慧在幾分鐘內製作互動式企業培訓影片而聞名,為傳統企業學習資源提供了更具成本效益的替代方案。如今,這家英國初創公司正在轉變其關注點:企業人工智慧的真正競爭優勢可能不在於內容創作,而在於展示切實有效的成果。週三,Synthesia 推出了角色扮演會話(Roleplay Sessions),這是一種互動式培訓工具,允許員工與人工智慧虛擬人排練高風險對話,例如銷售推介、績效評估和客戶服務互動。該虛擬人能夠動態回應、挑戰使用者,並根據既定評分標準提供評分。據 Tec
紐約州將對 5,000 萬個 AI 資料中心實施用電上限
紐約州的舉措展現了全球各國政府可能如何管理、課稅及規範人工智慧熱潮所帶來的實體足跡。圖片來源:Luca Bravo/Unsplash紐約州州長凱西·霍丘爾簽署了一項具有歷史意義的行政命令,暫停資料中心的建設,同時州政府官員正起草嚴格的環境影響規範人工智慧對基礎設施的需求,如今已與現有電力網的實體限制產生衝突。紐約州已成為美國首個正式暫停超大規模數據中心開發的州,對耗電量達50兆瓦或以上的新建數據中





首頁






