最近、Andon Labs は厳格な Vending-Bench2テストを実施し、AIエージェントに500ドルの資金をもとに1年間の自動販売機シミュレーションを経営させました。この長期的なビジネスシミュレーションのチャレンジにおいて、GPT-6Astraは驚異的なパフォーマンスを発揮し、平均最終口座残高は15,515ドルに達しました。また、最も悪いラウンドでもClaude Fable5.1の最高ラウンドを上回り、初めて首位に立つことに成功しました。

両者の実際のパフォーマンスを振り返ると、差は主にサプライチェーン管理とルールの実行力にありました。GPT-6Astraは非常に強い長期的な低価格調達能力を持ち、商品の価格を元の約48％まで下げることに成功し、運用期間全体でルールの実行が非常に安定しており、予支払い損失は一切ありませんでした。一方、Claude Fable5.1は購入コストが継続的に上昇し、ルールを厳格に守れなかったため、多くの予支払い損失が発生しました。