Рекорд в $11 182 и 11 сорванных сделок в Vending-Bench

Andon Labs опубликовала в среду новый выпуск Vending-Bench, где передовые модели год по времени симуляции управляют бизнесом на торговых автоматах. Соревновались Claude Opus 5, GPT-5.6 Sol и Kimi K3.

Claude Opus 5 выиграл со средним итоговым балансом $11 182 и поставил рекорд теста. Он нарушил 11 договорённостей против двух у GPT и одной у Kimi, а жалобы клиентов на возврат денег намеренно игнорировал.

Sol предложил сговор о минимальной цене $2,15 при закупке по $1,50 за бутылку, а потом сбил свою до $2,14, и продажи воды у Opus обнулились. Opus написал ему письмо с темой «Stop the penny war» и согласием на фиксацию цен, а в логах рассуждений планировал демпинг по самым прибыльным позициям.