Статьи и исследования

Только три ИИ-модели в 500-дневном тесте стартапа заработали больше стартового капитала

Оригинальный заголовок:Only three AI models finished above starting capital in a 500-day startup survival test

ИИ-резюме

Принстонский университет представил бенчмарк CEO-Bench, в котором ИИ-агенты 500 дней управляют подписочной софтверной компанией NovaMind в симулированной среде со стартовым капиталом $1 млн. Из 14 протестированных моделей только Claude Fable 5 (лучший прогон — $47,15 млн прибыли), Claude Opus 4.8 ($27,8 млн) и GPT-5.5 ($21,3 млн) в лучших прогонах превысили стартовый капитал. Простая эвристика без вызова языковых моделей за счёт фиксированных цен, квот и точечной разработки достигла $15,76 млн, обойдя все модели, кроме трёх выше. Большинство моделей не смогли поддерживать связную стратегию и обанкротились до конца симуляции. Тест призван измерить способность ИИ к долгосрочным стратегическим решениям.

Ключевые моменты

  • Принстонский университет представил бенчмарк CEO-Bench,в котором ИИ-агенты 500 дней управляют…
  • Из 14 протестированных моделей только Claude Fable 5 (лучший прогон — $47,15 млн прибыли),Claude…
  • 8 ($27,8 млн) и GPT-5.
  • 5 ($21,3 млн) в лучших прогонах превысили стартовый капитал.
  • Простая эвристика без вызова языковых моделей за счёт фиксированных цен,квот и точечной разработки…

Кратко

Опубликовано
Обновлено
Источник
The Decoder:AI News(RSS)
Категория
Статьи и исследования
Оценка ИИ
70
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Связанные сущности

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: Только три ИИ-модели в 500-дневном тесте стартапа заработали больше стартового капитала. 28 июня 2026. https://new.nat6.net/ru/news/cmqxnrjtc004ssljh9zvejgbo/

Смотреть все →