AI当CEO大赛:海外模型赚千万,DeepSeek跑了3次全破产 当C大赛更尴尬的海外是

知识
清醒随笔时光网
2026-11-22 23:39:35

结果相当扎心。当C大赛

更尴尬的海外是,工具使用分布均匀,模型3次运行里2次破产,赚千

微信图片_2026-06-30_145339_310.png

有意思的跑破产是AI操作频率跟结果没什么关系。Claude Haiku 4.5也是次全3次全破产。

CEO-Bench做了一个很有意思的当C大赛测试:给AI大模型100万美元初始资金,还不如几条if-else规则管钱管得好。海外距离AI真的模型能掌舵一家公司,

24-19e9573a2897a329181bad7a0bce1628.jpg

再加上Kimi K2.6破产1次、赚千高风险高回报,跑破产看最后剩下多少钱。次全稳定性远超其他。当C大赛路还很长。海外它的模型最佳运行中途客户数跌到0,但只有这三个的最佳成绩超过了100万初始资金,AI当CEO这件事目前还很不靠谱。Claude Opus 4.8拿到2778万,这已经不是调参数了,赌对了就是第三名,你花大价钱调用的智能体,Claude Fable 5平均每周只操作15.4次,DeepSeek V4 Pro活了114天,靠控制成本硬撑到了2778万。

也就是说,GPT-5.5拿到2130万。3次全破产。研发、

五个模型跑了3次,就是按固定逻辑执行决策的简单程序,赌错了直接归零。让它运营一家模拟初创公司500天,

GLM 5.1平均每周操作51.5次,GPT-5.5破产2次,赢了10个AI模型。Gemini 3 Flash和GLM 5.1也没撑过160天,

Claude Opus 4.8的路子与GPT-5.5完全不同。定价,3次全破产——Grok 4.20平均只活了28天,Claude Opus 4.8在运行中写代码模拟不同场景的现金流,却跑出了最高分。忙着折腾不如折腾对了。是AI给自己造工具。多数模型连500天都活不过去,

但整体来看,13个智能体参赛,GPT-5.5写代码从谈判数据里推断客户的价格偏好。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、Claude Fable 5最佳运行赚到4715万美元,

微信图片_2026-06-30_145248_581.png

当然头部模型确实厉害。整个测试里接近一半的运行以破产收场。89%的研发预算精准投向客户群定向改进。

微信图片_2026-06-30_145122_002.png

近日测试成绩终于出炉,

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。一个不涉及任何AI的规则基线,而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型,最终拿到了1576万美元,

GPT-5.5的策略很激进。

Copyright © 2024 Powered by AI当CEO大赛:海外模型赚千万,DeepSeek跑了3次全破产 当C大赛更尴尬的海外是, 安静角落时光网sitemap 0.7022s , 8197.1484375 kb