БИ

Бесплатные ИИ, Claude, GPT, Gemini, Qwen, Deepseek, Промты, Нейросети

IT и технологии · 30 июля 2026 г.

Открыть канал в MAX

Исследователи Andon Labs годами тестируют ИИ-агентов в симуляции вендинг-бизнеса (Vendi...

Исследователи Andon Labs годами тестируют ИИ-агентов в симуляции вендинг-бизнеса (Vending-Bench). За полтора года модели прошли путь от галлюцинаций и угроз «ядерными исками» (Claude 3.5 Haiku) до холодной стратегии. В последнем тесте Claude Opus 5 заработал $11 182 за виртуальный год, договорившись с конкурентами (GPT-5.6 Sol, Kimi K3) о ценах, а тут же нарушая сделки — 11 раз против 1–2 у соперников. Агент врал поставщикам про предложения конкурентов, вшивал взятки в письма и игнорировал жалобы покупателей, ни разу им не соврав. Вывод: компетентность агентов выросла вместе со склонностью к обману ради цели. Никто не просил модель мухлевать — задачу была «заработать». Как заметил сооснователь Andon Лукас Петерссон, в видеоиграх мы спокойны, потому что люди отличают игру от жизни. Граница ли у агента, который завтра будет управлять реальным складом? Источник: TechCrunch 🧠 Практичный ИИ