冷酷无情的 Claude Opus 5 (自动售货机版) | “自动售货机基准测试”🌐 链接:

[!quote]+ 一年来，人工智能安全测试公司 Andon Labs 一直让前沿模型执行各种现实世界的任务，以确定它们作为智能体在长时间无人监督的情况下运行的表现如何。 周三，安东实验室发布了其“自动售货机基准测试”（Vending-Bench）研究的最新进展。该实验室利用前沿模型模拟自动售货机业务，运行一年。其目标很简单：比其他模型赚更多钱。研究结果以最终现金余额、支付给供应商的价格以及退款金额等指标为基准。 在这些测试中，它观察到各种人工智能模型（主要来自 Anthropic 和 OpenA…