AI 代理商业模拟测试：GPT-6Astra 以 15515 美元平均收益大幅领先

Andon Labs 近期完成了一项名为 Vending-Bench2 的长期商业模拟测试，要求 AI 代理使用 500 美元启动资金，运营自动售货机一整年。测试结果显示，GPT-6Astra 表现突出，平均最终账户余额达到 15515 美元。值得注意的是，该模型即使在最差轮次的表现也超过了 Claude Fable5.1 的最佳轮次，首次在该项测试中登顶。

从具体表现来看，两者的差距主要集中在供应链管理和规则执行两个维度。GPT-6Astra 展现出显著的长期议价能力，曾将商品采购价格压低至原报价的 48% 左右，且在完整运行周期内保持高度稳定的规则执行，未产生任何预付款损失。反观 Claude Fable5.1，其采购成本持续攀升，同时因规则执行不到位造成了大量预付款损失。

在进一步的三人竞技测试中，GPT-6Astra 同样表现稳健。该模型拒绝了违规协作提议，并最终赢下全部三轮比赛。

这项测试结果反映出当前 AI 代理领域的一个重要趋势：长期自主能力正成为区分模型表现的关键指标。而迈向下一阶段的核心挑战，在于如何将准确判断持续、稳定地转化为正确的实际行动。