五个模型跑了3次,海外就是模型按固定逻辑执行决策的简单程序,高风险高回报,赚千GPT-5.5拿到2130万。跑破产靠控制成本硬撑到了2778万。次全

有意思的当C大赛是AI操作频率跟结果没什么关系。

当然头部模型确实厉害。海外
头部模型还有个别的模型模型做不到的事——它们会自己写代码辅助决策。Claude Opus 4.8在运行中写代码模拟不同场景的赚千现金流,它的跑破产最佳运行中途客户数跌到0,距离AI真的次全能掌舵一家公司,却跑出了最高分。当C大赛稳定性远超其他。海外
Claude Opus 4.8的模型路子与GPT-5.5完全不同。
但整体来看,GLM 5.1平均每周操作51.5次,
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,定价,3次运行里2次破产,工具使用分布均匀,DeepSeek V4 Pro活了114天,
也就是说,但只有这三个的最佳成绩超过了100万初始资金,Claude Opus 4.8拿到2778万,多数模型连500天都活不过去,3次全破产——Grok 4.20平均只活了28天,GPT-5.5破产2次,看最后剩下多少钱。一个不涉及任何AI的规则基线,忙着折腾不如折腾对了。是AI给自己造工具。赢了10个AI模型。Gemini 3 Flash和GLM 5.1也没撑过160天,这已经不是调参数了,Claude Fable 5最佳运行赚到4715万美元,而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型,13个智能体参赛,你花大价钱调用的智能体,
赌对了就是第三名,让它运营一家模拟初创公司500天,结果相当扎心。Claude Fable 5平均每周只操作15.4次,AI当CEO这件事目前还很不靠谱。还不如几条if-else规则管钱管得好。
再加上Kimi K2.6破产1次、赌错了直接归零。

近日测试成绩终于出炉,
更尴尬的是,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、研发、89%的研发预算精准投向客户群定向改进。
GPT-5.5的策略很激进。整个测试里接近一半的运行以破产收场。路还很长。最终拿到了1576万美元,Claude Haiku 4.5也是3次全破产。3次全破产。
(责任编辑:{typename type="name"/})