Hanya tiga model AI untung melebihi modal permulaan dalam ujian permulaan perniagaan 500 hari
Tajuk asal:Only three AI models finished above starting capital in a 500-day startup survival test
Ringkasan AI
Universiti Princeton memperkenalkan penanda aras CEO-Bench, membolehkan ejen AI mengendalikan syarikat perisian langganan NovaMind selama 500 hari dalam persekitaran simulasi, dengan modal permulaan AS$1 juta. Daripada 14 model yang diuji, hanya Claude Fable 5 (untung terbaik AS$47.15 juta), Claude Opus 4.8 (AS$27.8 juta) dan GPT-5.5 (AS$21.3 juta) melebihi modal permulaan dalam larian terbaik. Kaedah heuristik peraturan mudah yang tidak memanggil model bahasa mencapai AS$15.76 juta melalui harga tetap, kuota dan pembangunan bersasar, mengatasi semua model kecuali tiga di atas. Kebanyakan model gagal mengekalkan strategi yang koheren dan muflis sebelum simulasi tamat. Ujian ini bertujuan mengukur keupayaan membuat keputusan strategik jangka panjang AI.
Maklumat penting
- Universiti Princeton memperkenalkan penanda aras CEO-Bench,membolehkan ejen AI mengendalikan…
- Daripada 14 model yang diuji,hanya Claude Fable 5 (untung terbaik AS$47.
- 15 juta),Claude Opus 4.
- 8 juta) dan GPT-5.
- 3 juta) melebihi modal permulaan dalam larian terbaik.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- The Decoder:AI News(RSS)
- Kategori
- Kertas penyelidikan
- 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。
Entiti Berkaitan
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Hanya tiga model AI untung melebihi modal permulaan dalam ujian permulaan perniagaan 500 hari. 28 Jun 2026. https://new.nat6.net/ms/news/cmqxnrjtc004ssljh9zvejgbo/