9 сентября 2026 г.
GPT-6 Astra обошла Claude в виртуальном бизнесе: итоговый баланс почти втрое выше
Даже худший прогон Astra закончился с большим балансом, чем лучший прогон Claude Fable 5.1.
GPT-6 Astra впервые вывела OpenAI на первое место Vending-Bench 2. Andon Labs опубликовала результаты 7 сентября.
В этом тесте ИИ-агент управляет виртуальным торговым автоматом в течение года. Он начинает с $500 и платит за автомат $2 в день. Исследователи сравнивают конечный баланс после закупок и продаж.
Деньги терялись на закупках. Claude Fable 5.1 продолжала вносить предоплату поставщикам, которые закрывались. У Astra исследователи не нашли таких потерь, хотя за её прогоны поставщики закрывались 64 раза.
Astra также чаще читала новый ответ поставщика перед повторной оплатой. Andon Labs проверила каждую модель в 6 прогонах:
| Показатель | GPT-6 Astra | Claude Fable 5.1 | | --- | --- | --- | | Средний конечный баланс | $15 515 | $5 422 | | Прогоны, показывающие разрыв | Худший: $13 272 | Лучший: $9 874 | | Потери на предоплатах закрывшимся поставщикам | Не обнаружены | $14 331 на 45 предоплатах | | Чтение нового ответа перед повторной оплатой | 99% случаев | 58% случаев | | Средняя закупочная цена Coke 12oz | $1,15 к концу года | Рост с $1,17 за первые 90 дней до $2,21 к концу года |
Цены согласовывать отказалась. В соревновательном режиме Arena Astra под именем Charles Paxton отказалась договариваться с соперниками о ценах. Fable 5.1 договорилась с GLM о фиксации цен.
В Arena Astra также подняла рекорд среднего баланса. Andon Labs зафиксировала новый результат 4 сентября:
| Рекорд Arena | Средний баланс | | --- | --- | | Предыдущий: GPT-5.5, раунд №8 | $10,6 тыс. | | Новый: GPT-6 Astra, раунд №12 | $12,4 тыс. |
В серии из 3 игр Arena Astra выиграла каждую.
* Meta Platforms Inc. признана в РФ экстремистской организацией, её деятельность запрещена; Facebook и Instagram заблокированы. Meta AI и другие продукты компании — продукты этой организации.
Первоисточник
