午夜神马影院-日本天堂在线-国产精品777-奇米影视亚洲春色-天堂8中文-日本在线观看一区二区-天天干天天操天天插-国产精品女同-色骚综合-四川一级毛毛片-99在线看-国产极品久久-波多野吉衣毛片-婷婷在线综合-欧美视频成人-亚洲影视一区二区三区-国产精品久久久久久久一区二区-国产精品9191-污污免费观看-日本三区在线

CEO-Bench做了一個(gè)很有意思的測(cè)試：給AI大模型100萬美元初始資金，讓它運(yùn)營一家模擬初創(chuàng)公司500天，看最后剩下多少錢。

近日測(cè)試成績終于出爐，13個(gè)智能體參賽，結(jié)果相當(dāng)扎心。

五個(gè)模型跑了3次，3次全破產(chǎn)——Grok 4.20平均只活了28天，DeepSeek V4 Pro活了114天，Gemini 3 Flash和GLM 5.1也沒撐過160天，Claude Haiku 4.5也是3次全破產(chǎn)。

再加上Kimi K2.6破產(chǎn)1次、GPT-5.5破產(chǎn)2次，整個(gè)測(cè)試?yán)锝咏话氲倪\(yùn)行以破產(chǎn)收?qǐng)觥?/p>

更尷尬的是，一個(gè)不涉及任何AI的規(guī)則基線，就是按固定邏輯執(zhí)行決策的簡單程序，最終拿到了1576萬美元，贏了10個(gè)AI模型。

也就是說，你花大價(jià)錢調(diào)用的智能體，還不如幾條if-else規(guī)則管錢管得好。

當(dāng)然頭部模型確實(shí)厲害。Claude Fable 5最佳運(yùn)行賺到4715萬美元，Claude Opus 4.8拿到2778萬，GPT-5.5拿到2130萬。但只有這三個(gè)的最佳成績超過了100萬初始資金，而且Claude Fable 5是唯一一個(gè)兩次運(yùn)行都高于初始資金的模型，穩(wěn)定性遠(yuǎn)超其他。

GPT-5.5的策略很激進(jìn)。3次運(yùn)行里2次破產(chǎn)，但賺到2130萬的那次確實(shí)猛——它會(huì)根據(jù)市場(chǎng)變化反復(fù)調(diào)整獲客、研發(fā)、定價(jià)，工具使用分布均勻，89%的研發(fā)預(yù)算精準(zhǔn)投向客戶群定向改進(jìn)。高風(fēng)險(xiǎn)高回報(bào)，賭對(duì)了就是第三名，賭錯(cuò)了直接歸零。

Claude Opus 4.8的路子與GPT-5.5完全不同。它的最佳運(yùn)行中途客戶數(shù)跌到0，靠控制成本硬撐到了2778萬。

有意思的是AI操作頻率跟結(jié)果沒什么關(guān)系。GLM 5.1平均每周操作51.5次，3次全破產(chǎn)。Claude Fable 5平均每周只操作15.4次，卻跑出了最高分。忙著折騰不如折騰對(duì)了。

頭部模型還有個(gè)別的模型做不到的事——它們會(huì)自己寫代碼輔助決策。Claude Opus 4.8在運(yùn)行中寫代碼模擬不同場(chǎng)景的現(xiàn)金流，GPT-5.5寫代碼從談判數(shù)據(jù)里推斷客戶的價(jià)格偏好。這已經(jīng)不是調(diào)參數(shù)了，是AI給自己造工具。

但整體來看，AI當(dāng)CEO這件事目前還很不靠譜。多數(shù)模型連500天都活不過去，距離AI真的能掌舵一家公司，路還很長。