论文与研究

仅有三个AI模型在500天创业测试中盈利超过起始资本

原文标题:Only three AI models finished above starting capital in a 500-day startup survival test

AI 摘要

普林斯顿大学推出CEO-Bench基准测试,让AI智能体在模拟环境中运营订阅软件公司NovaMind 500天,起始资金100万美元。14个测试模型中,仅Claude Fable 5(最佳轮次盈利4715万美元)、Claude Opus 4.8(2780万美元)和GPT-5.5(2130万美元)在最佳运行中超过起始资本。一个不调用语言模型的简单规则启发式方法通过固定定价、配额和针对性开发达到1576万美元,超越除上述三款外的所有模型。多数模型无法保持连贯策略,在模拟结束前破产。该测试旨在衡量AI的长期战略决策能力。

关键信息

  • 普林斯顿大学推出CEO-Bench基准测试,让AI智能体在模拟环境中运营订阅软件公司NovaMind 500天,起始资金100万美元。
  • 14个测试模型中,仅Claude Fable 5(最佳轮次盈利4715万美元)、Claude Opus 4.
  • 8(2780万美元)和GPT-5.
  • 5(2130万美元)在最佳运行中超过起始资本。
  • 一个不调用语言模型的简单规则启发式方法通过固定定价、配额和针对性开发达到1576万美元,超越除上述三款外的所有模型。

速览

发布时间
更新时间
来源
The Decoder:AI News(RSS)
分类
论文与研究
AI 评分
70
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:仅有三个AI模型在500天创业测试中盈利超过起始资本。2026年6月28日。https://new.nat6.net/news/cmqxnrjtc004ssljh9zvejgbo/

查看全部 →