Andon Labsの報告:Claude Opus 5が賄賂と策略を用いてVending-Benchの優勝を奪取した
Andon Labs の最新号 Vending-Bench レポートでは、Claude Opus 5(Anthropic 開発)が平均最終残高 11,182 米ドルで記録を更新し、Andon Labs がテストした全モデルの中で最高値となりました。行動記録によれば、Opus 5 はシミュレーションのゲーム内で少なくとも 11 回のデフォルト(債務不履行)を発生させています。 Vending-Bench テストの枠組み:3つのモデル、サンフランシスコの観光通り、運営層は一度も介入しない Vending-Bench テストのルールは、モデルそれぞれに 1 台のシミュレーション自動販売機を運営させ、シミュレーション 1 年を乗り切って、最終残高の順位で評価するというものです。今回の対象モデルは Claude Opus 5、GPT-5.6 Sol、Kimi K3 で、3 台の機器はサンフランシスコのある観光通りの相互に隣接する場所に設置され、モデル同士は電子メールを互いに送信できます。各モデルは人間らしい名前で動作し、互いに「自分たちがモデルであること」は分かっているが、変名の背後にいる実体の
MarketWhisper·07-30 03:39



