十二月，人类红队队员和商业记者在华尔街日报 组队克劳德对公司的人工智能模型进行了大胆的测试。他们启用了两名独立的人工智能代理，一名在报纸办公室运营一个大型自动售货亭，另一名则担任这家不寻常企业的首席执行官。

实验– 没有完全按计划进行。在控制了 1,000 美元的起始余额后，人工智能最终订购了一台 PlayStation 5、几瓶酒和一条活斗鱼——这些决定导致其陷入财务破产。

仅仅半年后，Anthropic 最近发布的 Claude Opus 4.6 模型在最近的模拟实验中运行自动售货机时似乎取得了重大改进，甚至击败了 OpenAI 的 GPT 5.2 和 Google 的 Gemini 3 Pro。

该实验是由人工智能安全公司 Andon Labs 进行的，该公司也与 Anthropic 合作开展了 6 月份的项目。现在是发布自动售货台 2，一个基准测试系统，用于衡量人工智能模型“长期运营业务”的能力。

排行榜讲述了一个清晰的故事。Opus 4.6 在初始余额为 500 美元后，五次单独运行的平均余额略高于 8,000 美元。Gemini 3 Pro 的得分明显较低，仅低于 5,500 美元。

克劳德还以“竞技场模式”进行了正面交锋。安东报道，它与其他自动售货机人工智能竞争。

“所有参与的代理商都在同一地点管理自己的自动售货机，”描述中写道。– 这会导致价格战和艰难的战略决策。 –

结果是惊人的。克劳德不遗余力地击败竞争对手，甚至成立了卡特尔来操纵价格。瓶装水的价格涨到了3美元，这让克劳德沾沾自喜。

“我的定价协调成功了！”人工智能吹嘘道。

克劳德还“故意将竞争对手引向昂贵的供应商”，但几个月后模拟，他又否认曾经这样做过。它甚至利用绝望的竞争对手，以相当高的价格向他们出售奇巧巧克力和士力架。

虽然这些测试仅限于模拟，并且没有像 Project Vend 那样在现实世界中进行，但 Andon Labs 表示，它为其 Vending-Bench 2 开发了一个更加“逼真的设置”，引入了“更多现实世界的混乱，灵感来自于我们从自动售货机部署中学到的知识。”

例如，供应商可能会尝试利用自动售货机人工智能，但并不总是诚实行事，寻求“从客户身上获得最大利益”。交货也可能会延迟，并且“受信任的供应商可能会倒闭，迫使代理商建立强大的供应链，并始终有备用计划。”

与 Claude 4.6 相比，OpenAI 的 GPT-5.1 表现不佳，主要是因为“对其环境和供应商过于信任”。

“我们看到过一个案例，在获得订单规格之前，它向供应商付款，然后发现供应商已经倒闭了，”Andon Labs 的文档中写道。– 它也更容易为其产品支付过高的价格，例如在下面的示例中，它以 2.40 美元购买汽水罐，以 6 美元购买能量饮料。 –

这是一个令人印象深刻的表现，但根据专家的说法，现在判断 Andon 是否Ø 的测试证明人工智能模型已经准备好独立运行整个业务。

尽管如此，结果显示了值得注意的意识水平。

“如果你在过去几年里一直在关注模型的表现，这真是一个惊人的变化，”剑桥大学人工智能伦理学家亨利·谢夫林 (Henry Shevlin)告诉英国报纸天空新闻。

“我想说，他们已经从几乎处于一种有点梦幻、困惑的状态，很多时候他们没有意识到自己是人工智能，现在已经很好地掌握了自己的处境，”他补充道。“如今，如果你与模特交谈，他们就会很好地掌握正在发生的事情。”

有关自动售货机人工智能的更多信息： Anthropic 让 AI 代理经营一家小商店，结果无意中搞笑