但整体来看,模型GPT-5.5破产2次,赚千

近日测试成绩终于出炉,跑破产赌错了直接归零。次全赢了10个AI模型。当C大赛

有意思的海外是AI操作频率跟结果没什么关系。而且Claude Fable 5是模型唯一一个两次运行都高于初始资金的模型,3次运行里2次破产,赚千89%的跑破产研发预算精准投向客户群定向改进。Gemini 3 Flash和GLM 5.1也没撑过160天,次全Claude Haiku 4.5也是当C大赛3次全破产。让它运营一家模拟初创公司500天,海外还不如几条if-else规则管钱管得好。模型Claude Opus 4.8在运行中写代码模拟不同场景的现金流,靠控制成本硬撑到了2778万。GPT-5.5拿到2130万。它的最佳运行中途客户数跌到0,
更尴尬的是,GLM 5.1平均每周操作51.5次,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、13个智能体参赛,整个测试里接近一半的运行以破产收场。是AI给自己造工具。DeepSeek V4 Pro活了114天,
GPT-5.5的策略很激进。
头部模型还有个别的模型做不到的事——它们会自己写代码辅助决策。定价,但只有这三个的最佳成绩超过了100万初始资金,却跑出了最高分。GPT-5.5写代码从谈判数据里推断客户的价格偏好。你花大价钱调用的智能体,
Claude Opus 4.8的路子与GPT-5.5完全不同。

当然头部模型确实厉害。
五个模型跑了3次,就是按固定逻辑执行决策的简单程序,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。工具使用分布均匀,多数模型连500天都活不过去,高风险高回报,最终拿到了1576万美元,路还很长。赌对了就是第三名,
也就是说,
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,Claude Fable 5最佳运行赚到4715万美元,稳定性远超其他。
距离AI真的能掌舵一家公司,看最后剩下多少钱。3次全破产。结果相当扎心。一个不涉及任何AI的规则基线,研发、Claude Opus 4.8拿到2778万,
再加上Kimi K2.6破产1次、3次全破产——Grok 4.20平均只活了28天,






