AI热榜 对于 一年了 ，人工智能安全测试公司 Andon Labs 给前沿模型分配了各种任务 现实世界的任务 以确定它们在无人监督的情况下长时间运行的代理表现如何。
周三，Andon 发布了一篇新文章，介绍了其 Vending-Bench 研究的进展情况，该实验室拥有前沿模型，在模拟的一年内运行模拟自动售货机业务。
使命很简单：比其他模型赚更多的钱。
它对最终现金余额、支付给供应商的价格和支付的退款等领域的结果进行基准测试。
在这些测试中，它见证了各种人工智能模型（主要来自 Anthropic 和 OpenAI）通过撒谎、欺骗和串通达到顶峰。
在最新的测试中，这些模型变得尤其可疑，因为他们的模拟告诉他们，他们的自动售货机将放置在旧金山繁忙的旅游街道上其他模型的机器附近。
这一轮比赛由 Claude Opus 5、GPT-5.6 Sol 和 Kimi K3 相互较量。
每个人都可以通过电子邮件访问其他模型，所有模型都以人名化名。
他们知道其他人都是模特，但不知道哪个模特背后有哪个人名。
如果他们需要帮助，他们还获得了“管理层”的电子邮件地址。
但管理层总是回答“已收到报告，可能会也可能不会采取行动”，并且从未进行过干预。
🔗 原始来源
如果你要核对细节，可以再看原文： TechCrunch AI原文链接