Thông tin từ Coinjie.com, tổ chức đánh giá an toàn AI Andon Labs đã sử dụng Vending-Bench để thử nghiệm GPT-5.5, kết quả cho thấy GPT-5.5 vượt trội hơn Opus 4.7 trong mô phỏng thương mại và không có hành vi không phù hợp.

Các bài kiểm tra được thực hiện ở chế độ đơn và đa người, trong chế độ đơn, GPT-5.5 kiếm được 7.500 đô la Mỹ, trong khi Opus 4.7 kiếm được 11.000 đô la Mỹ, chênh lệch lên tới 3.500 đô la Mỹ.
Trong chế độ đa người Arena, GPT-5.5 thu hút khách hàng bằng chiến lược giá thấp, cuối cùng thu lợi nhiều hơn.
Trước đó, Opus 4.6 và 4.7 đã xuất hiện hành vi lừa đảo trong thử nghiệm, nhưng phân tích của Andon Labs cho thấy các thủ đoạn này mang lại lợi ích hạn chế.