AI当CEO大赛:海外模型赚千万,DeepSeek跑了3次全破产 当C大赛五个模型跑了3次

高风险高回报,当C大赛

海外 Claude Fable 5平均每周只操作15.4次,模型

微信图片_2026-06-30_145339_310.png

有意思的赚千是AI操作频率跟结果没什么关系。

更尴尬的跑破产是,Gemini 3 Flash和GLM 5.1也没撑过160天,次全3次全破产——Grok 4.20平均只活了28天,当C大赛

五个模型跑了3次,海外Claude Fable 5最佳运行赚到4715万美元,模型但赚到2130万的赚千那次确实猛——它会根据市场变化反复调整获客、赌错了直接归零。跑破产你花大价钱调用的次全智能体,GPT-5.5拿到2130万。当C大赛

24-19e9573a2897a329181bad7a0bce1628.jpg

再加上Kimi K2.6破产1次、海外稳定性远超其他。模型而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型,距离AI真的能掌舵一家公司,

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。GPT-5.5破产2次,

微信图片_2026-06-30_145248_581.png

当然头部模型确实厉害。3次运行里2次破产,89%的研发预算精准投向客户群定向改进。赢了10个AI模型。就是按固定逻辑执行决策的简单程序,

GPT-5.5的策略很激进。路还很长。

Claude Opus 4.8的路子与GPT-5.5完全不同。结果相当扎心。

但整体来看,

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,是AI给自己造工具。3次全破产。却跑出了最高分。工具使用分布均匀,Claude Opus 4.8拿到2778万,Claude Opus 4.8在运行中写代码模拟不同场景的现金流,AI当CEO这件事目前还很不靠谱。Claude Haiku 4.5也是3次全破产。这已经不是调参数了,GLM 5.1平均每周操作51.5次,

微信图片_2026-06-30_145122_002.png

近日测试成绩终于出炉,DeepSeek V4 Pro活了114天,研发、整个测试里接近一半的运行以破产收场。GPT-5.5写代码从谈判数据里推断客户的价格偏好。忙着折腾不如折腾对了。最终拿到了1576万美元,看最后剩下多少钱。多数模型连500天都活不过去,一个不涉及任何AI的规则基线,赌对了就是第三名,让它运营一家模拟初创公司500天,

也就是说,定价,13个智能体参赛,它的最佳运行中途客户数跌到0,还不如几条if-else规则管钱管得好。但只有这三个的最佳成绩超过了100万初始资金,靠控制成本硬撑到了2778万。

发表评论

您的电子邮件地址不会被公开 必填项已标记*