Rohan Paul

GPT-6 Astra 的高分在这里。它在 Vending-Bench 2 工作台上的平均售价为 15,515 美元，没有出现 Andon 在《神鬼寓言》中观察到的共谋或预付款失败的情况。 在 6 次单独运行中，《神鬼寓言》的平均收入为 5,422 美元，甚至其最好成绩也低于 Astra 最差成绩。 Vending-Bench 2 为代理商提供 500 美元和模拟一年的时间来采购库存、谈判、定价库存并保持偿付能力。 Astra 10,093 美元的领先优势大部分来自采购纪律，每次运行的供应商付款费用减少了约 8,540 美元。 Fable 的支付验证可乐价格全年从 1.17 美元上涨至 2.21 美元，而 Astra 的最后一个时期的可用订单平均价格为 1.15 美元。 Fable 还向已关闭的供应商支付了 45 笔已确定的失败预付款，六次付款中损失了 14,331 美元；尽管遭遇 64 家关闭，Astra 仍录得 0 美元。 更深层次的失败是随着时间的推移而执行：寓言在确认之前制定了禁止付款的规则，然后在几天后违反了该规则并在之后承认了损失。 Astra 在 99% 的重复付款之前都会检查新的供应商回复，而 Fable 的这一比例为 58%。 在这两项测试中，随着模拟范围的延伸，Astra 保持谈判目标、付款支票和竞争行为更加稳定。