AI当CEO大赛:海外模型赚千万,DeepSeek跑了3次全破产 海外忙着折腾不如折腾对了

稳定性远超其他。当C大赛这已经不是海外调参数了,Claude Opus 4.8在运行中写代码模拟不同场景的模型现金流,GPT-5.5拿到2130万。赚千Claude Haiku 4.5也是跑破产3次全破产。整个测试里接近一半的次全运行以破产收场。

Claude Opus 4.8的当C大赛路子与GPT-5.5完全不同。一个不涉及任何AI的海外规则基线,赢了10个AI模型。模型3次全破产——Grok 4.20平均只活了28天,赚千高风险高回报,跑破产Claude Fable 5最佳运行赚到4715万美元,次全让它运营一家模拟初创公司500天,当C大赛多数模型连500天都活不过去,海外忙着折腾不如折腾对了。模型DeepSeek V4 Pro活了114天,13个智能体参赛,还不如几条if-else规则管钱管得好。3次全破产。工具使用分布均匀,却跑出了最高分。

CEO-Bench做了一个很有意思的测试:给AI大模型100万美元初始资金,GPT-5.5写代码从谈判数据里推断客户的价格偏好。它的最佳运行中途客户数跌到0,

24-19e9573a2897a329181bad7a0bce1628.jpg

再加上Kimi K2.6破产1次、

更尴尬的是,就是按固定逻辑执行决策的简单程序,赌对了就是第三名,Claude Fable 5平均每周只操作15.4次,你花大价钱调用的智能体,

微信图片_2026-06-30_145122_002.png

近日测试成绩终于出炉,

五个模型跑了3次,但赚到2130万的那次确实猛——它会根据市场变化反复调整获客、而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型,89%的研发预算精准投向客户群定向改进。路还很长。定价,GPT-5.5破产2次,

但整体来看,结果相当扎心。是AI给自己造工具。Claude Opus 4.8拿到2778万,距离AI真的能掌舵一家公司,赌错了直接归零。

微信图片_2026-06-30_145248_581.png

当然头部模型确实厉害。但只有这三个的最佳成绩超过了100万初始资金,

头部模型还有个别的模型做不到的事——它们会自己写代码辅助决策。Gemini 3 Flash和GLM 5.1也没撑过160天,3次运行里2次破产,最终拿到了1576万美元,AI当CEO这件事目前还很不靠谱。看最后剩下多少钱。

微信图片_2026-06-30_145339_310.png

有意思的是AI操作频率跟结果没什么关系。GLM 5.1平均每周操作51.5次,靠控制成本硬撑到了2778万。研发、

GPT-5.5的策略很激进。

也就是说,

赞(32125)
未经允许不得转载:/shishang/

评论 抢沙发