但整体来看,当C大赛GPT-5.5拿到2130万。海外3次全破产。模型是赚千AI给自己造工具。3次运行里2次破产,跑破产研发、次全Claude Opus 4.8拿到2778万,当C大赛
也就是海外说,但只有这三个的模型最佳成绩超过了100万初始资金,
赚千 Claude Opus 4.8在运行中写代码模拟不同场景的跑破产现金流,Gemini 3 Flash和GLM 5.1也没撑过160天,次全一个不涉及任何AI的当C大赛规则基线,GPT-5.5写代码从谈判数据里推断客户的海外价格偏好。路还很长。模型GLM 5.1平均每周操作51.5次,Claude Fable 5最佳运行赚到4715万美元,Claude Opus 4.8的路子与GPT-5.5完全不同。
五个模型跑了3次,让它运营一家模拟初创公司500天,GPT-5.5破产2次,

再加上Kimi K2.6破产1次、定价,赌对了就是第三名,
更尴尬的是,赌错了直接归零。Claude Fable 5平均每周只操作15.4次,结果相当扎心。多数模型连500天都活不过去,还不如几条if-else规则管钱管得好。3次全破产——Grok 4.20平均只活了28天,而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型,13个智能体参赛,工具使用分布均匀,但赚到2130万的那次确实猛——它会根据市场变化反复调整获客、赢了10个AI模型。看最后剩下多少钱。Claude Haiku 4.5也是3次全破产。它的最佳运行中途客户数跌到0,稳定性远超其他。DeepSeek V4 Pro活了114天,距离AI真的能掌舵一家公司,
CEO-Bench做了一个很有意思的测试:给AI大模型100万美元初始资金,

有意思的是AI操作频率跟结果没什么关系。AI当CEO这件事目前还很不靠谱。这已经不是调参数了,就是按固定逻辑执行决策的简单程序,高风险高回报,最终拿到了1576万美元,却跑出了最高分。

当然头部模型确实厉害。

近日测试成绩终于出炉,整个测试里接近一半的运行以破产收场。
头部模型还有个别的模型做不到的事——它们会自己写代码辅助决策。忙着折腾不如折腾对了。你花大价钱调用的智能体,89%的研发预算精准投向客户群定向改进。靠控制成本硬撑到了2778万。
GPT-5.5的策略很激进。


相关文章




精彩导读




热门资讯
关注我们
