Hanya tiga model AI yang mencetak laba melebihi modal awal dalam uji startup 500 hari
Judul asli:Only three AI models finished above starting capital in a 500-day startup survival test
Ringkasan AI
Universitas Princeton meluncurkan benchmark CEO-Bench, yang meminta agen AI mengoperasikan perusahaan perangkat lunak berlangganan simulasi NovaMind selama 500 hari dengan modal awal 1 juta dolar. Dari 14 model yang diuji, hanya Claude Fable 5 (laba terbaik 47,15 juta dolar), Claude Opus 4.8 (27,8 juta dolar), dan GPT-5.5 (21,3 juta dolar) yang melampaui modal awal dalam putaran terbaik. Metode heuristik aturan sederhana yang tidak memanggil model bahasa mencapai 15,76 juta dolar melalui penetapan harga tetap, kuota, dan pengembangan bertarget, melampaui semua model selain tiga tersebut. Sebagian besar model tidak mampu mempertahankan strategi yang koheren dan bangkrut sebelum simulasi berakhir. Uji ini bertujuan mengukur kemampuan pengambilan keputusan strategis jangka panjang AI.
Poin utama
- Universitas Princeton meluncurkan benchmark CEO-Bench,yang meminta agen AI mengoperasikan…
- Dari 14 model yang diuji,hanya Claude Fable 5 (laba terbaik 47,15 juta dolar),Claude Opus 4.
- 8 (27,8 juta dolar),dan GPT-5.
- 5 (21,3 juta dolar) yang melampaui modal awal dalam putaran terbaik.
- Metode heuristik aturan sederhana yang tidak memanggil model bahasa mencapai 15,76 juta dolar…
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- The Decoder:AI News(RSS)
- Kategori
- Makalah & Riset
- Skor AI
- 70
普林斯顿的 CEO-Bench 测试了一个反直觉结果,一个不用 AI 的简单规则系统击败了绝大多数模型——在当前 agent 都在比窄任务时,这个测试直指长期战略决策的致命短板,做 agent 的必须看。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: Hanya tiga model AI yang mencetak laba melebihi modal awal dalam uji startup 500 hari. 28 Juni 2026. https://new.nat6.net/id/news/cmqxnrjtc004ssljh9zvejgbo/