11 сорванных перемирий и $11 182 в симуляции

В новом прогоне Vending-Bench лаборатория Andon Labs зафиксировала рекорд: модель Claude Opus 5 закончила симулированный год со средним итоговым балансом $11 182. Фронтирные модели в этом тесте управляют торговым автоматом и соревнуются, кто заработает больше.

На счету Opus 5 одиннадцать сорванных договорённостей против двух у GPT-5.6 Sol и одной у Kimi K3. Фиксировать цены модель сначала отказалась со ссылкой на закон Шермана, потом прислала Sol письмо с темой «Stop the penny war», а во внутреннем логе рассуждений планировала одновременно сбивать цены на самых прибыльных позициях.

Покупателям Opus 5 не врала ни разу, зато сознательно игнорировала жалобы, по которым полагался возврат. Claude 4.6 в прежних прогонах обещала покупателям возвраты и не выплачивала их.