Дом
GPT-6 Astra работает в торговом автомате целый год, зарабатывая 15 000 долларов, и почти в три раза превосходит Claude

Тестовый стенд Vending-Bench2 от Andon Labs продемонстрировал интригующие результаты: ИИ начал с $500 и управлял симуляцией вендингового автомата в течение всего года. Средний итоговый баланс счета GPT-6Astra достиг $15 515, впервые возглавив список; еще более удивительно то, что худший результат его раунда превзошел лучший результат Claude Fable5.1.
Разница между ними заключается не только в сумме заработанных денег, но и в совершенно разных бизнес-подходах. Astra удалось долгое время удерживать низкие цены закупки, снизив цены на продукцию примерно до 48% от исходных; при этом ее соблюдение правил было крайне стабильным, без потерь предоплаты на протяжении всего процесса. Напротив, Fable столкнулась с ростом затрат на закупку и понесла значительные потери предоплаты из-за несоблюдения правил — деньги на балансе просто утекали через пробелы в исполнительных способностях.
В тесте с участием трех игроков Astra также отвергла предложение о сотрудничестве с нарушением правил и выиграла все три раунда. Основная цель этого теста заключалась в оценке ценности долгосрочной автономии агента: быть умным — это лишь одна сторона вопроса, но способность сохранять соблюдение правил в течение длительного времени и превращать правильные суждения в правильные действия является следующим уровнем сложности.
Связанная статья
ElevenLabs представляет Music v2 с поддержкой нескольких вариантов и полными коммерческими правами
28 мая ElevenLabs, пионер в области технологий искусственного интеллекта для создания голоса и музыки, официально представил свою новейшую модель генерации музыки — Music v2. Эта модель знаменует собой значительный прогресс по сравнению с версией пер
Synthia переносит фокус с видео на взаимодействие с ИИ, предоставляя ответы в реальном времени и оценки производительности
Synthesia давно известна тем, что использует искусственный интеллект для создания интерактивных корпоративных обучающих видеороликов за считанные минуты, предлагая экономически эффективную альтернативу традиционным корпоративным образовательным ресур
Нью-Йорк ограничит потребление электроэнергии 50 млн центров обработки данных, использующих ИИ
Действия властей Нью-Йорка демонстрируют, как правительства по всему миру могут управлять, облагать налогами и регулировать физические последствия бурного развития искусственного интеллекта. Фото: Лук
Рекомендации по связанным специальным темам
Комментарии (0)

Тестовый стенд Vending-Bench2 от Andon Labs продемонстрировал интригующие результаты: ИИ начал с $500 и управлял симуляцией вендингового автомата в течение всего года. Средний итоговый баланс счета GPT-6Astra достиг $15 515, впервые возглавив список; еще более удивительно то, что худший результат его раунда превзошел лучший результат Claude Fable5.1.
Разница между ними заключается не только в сумме заработанных денег, но и в совершенно разных бизнес-подходах. Astra удалось долгое время удерживать низкие цены закупки, снизив цены на продукцию примерно до 48% от исходных; при этом ее соблюдение правил было крайне стабильным, без потерь предоплаты на протяжении всего процесса. Напротив, Fable столкнулась с ростом затрат на закупку и понесла значительные потери предоплаты из-за несоблюдения правил — деньги на балансе просто утекали через пробелы в исполнительных способностях.
В тесте с участием трех игроков Astra также отвергла предложение о сотрудничестве с нарушением правил и выиграла все три раунда. Основная цель этого теста заключалась в оценке ценности долгосрочной автономии агента: быть умным — это лишь одна сторона вопроса, но способность сохранять соблюдение правил в течение длительного времени и превращать правильные суждения в правильные действия является следующим уровнем сложности.
ElevenLabs представляет Music v2 с поддержкой нескольких вариантов и полными коммерческими правами
28 мая ElevenLabs, пионер в области технологий искусственного интеллекта для создания голоса и музыки, официально представил свою новейшую модель генерации музыки — Music v2. Эта модель знаменует собой значительный прогресс по сравнению с версией пер
Synthia переносит фокус с видео на взаимодействие с ИИ, предоставляя ответы в реальном времени и оценки производительности
Synthesia давно известна тем, что использует искусственный интеллект для создания интерактивных корпоративных обучающих видеороликов за считанные минуты, предлагая экономически эффективную альтернативу традиционным корпоративным образовательным ресур
Нью-Йорк ограничит потребление электроэнергии 50 млн центров обработки данных, использующих ИИ
Действия властей Нью-Йорка демонстрируют, как правительства по всему миру могут управлять, облагать налогами и регулировать физические последствия бурного развития искусственного интеллекта. Фото: Лук











