GPT-6 Astra 模拟售货机测试成绩超 Claude 近 3 倍

Andon Labs 开展 Vending-Bench 2 测试，让 AI 以 500 美元启动资金经营自动售货机模拟一年。GPT-6 Astra 平均最终账户余额 15515 美元，最差一轮也超过 Claude Fable 5.1 的最好一轮，首次登顶。二者差距体现在多方面：Astra 能长期维持低价采购，曾将商品报价砍至原报价的约 48%，且执行规则稳定，无预付款损失。Fable 采购成本持续上涨，因未坚持规则产生大量预付款损失。在三人竞技测试中，Astra 拒绝违规协作，赢下全部 3 轮。该测试体现出 Agent 长期自主性的重要性，其下一道门槛是将正确判断持续转化为正确行动。