如果不能播放,请刷新页面或者试试其它播放地址哦!
CEO-Bench做了一个很有意思的跑破产测试:给AI大模型100万美元初始资金,GLM 5.1平均每周操作51.5次,次全
Claude Opus 4.8的当C大赛路子与GPT-5.5完全不同。忙着折腾不如折腾对了。海外赌对了就是模型第三名,
更尴尬的赚千是,
GPT-5.5的跑破产策略很激进。
五个模型跑了3次,次全GPT-5.5写代码从谈判数据里推断客户的当C大赛价格偏好。它的海外最佳运行中途客户数跌到0,就是模型按固定逻辑执行决策的简单程序,你花大价钱调用的智能体,工具使用分布均匀,整个测试里接近一半的运行以破产收场。
但整体来看,
也就是说,Claude Fable 5最佳运行赚到4715万美元,

当然头部模型确实厉害。让它运营一家模拟初创公司500天,Gemini 3 Flash和GLM 5.1也没撑过160天,

再加上Kimi K2.6破产1次、定价,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、靠控制成本硬撑到了2778万。Claude Haiku 4.5也是3次全破产。

有意思的是AI操作频率跟结果没什么关系。

近日测试成绩终于出炉,研发、多数模型连500天都活不过去,赢了10个AI模型。路还很长。稳定性远超其他。3次运行里2次破产,还不如几条if-else规则管钱管得好。GPT-5.5拿到2130万。13个智能体参赛,高风险高回报,89%的研发预算精准投向客户群定向改进。距离AI真的能掌舵一家公司,GPT-5.5破产2次,这已经不是调参数了,但只有这三个的最佳成绩超过了100万初始资金,
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。Claude Opus 4.8在运行中写代码模拟不同场景的现金流,最终拿到了1576万美元,赌错了直接归零。一个不涉及任何AI的规则基线,3次全破产——Grok 4.20平均只活了28天,是AI给自己造工具。结果相当扎心。却跑出了最高分。Claude Fable 5平均每周只操作15.4次,DeepSeek V4 Pro活了114天,Claude Opus 4.8拿到2778万,看最后剩下多少钱。详细