申请收录
【大屏时代】首页 > 3D快报内容详情

GPT-6 Astra展现恐怖统治力：模拟售货机一年狂揽1.5万美元，成绩碾压Claude近3倍

1小时前 4 大屏时代
广告：【裸眼3D制作】 让想象突破物理极限，用数字重绘世界经纬。

近期，Andon Labs 开展了一项严苛的 Vending-Bench2测试，让 AI 代理使用500美元作为启动资金，去经营一年的自动售货机模拟。在这场长周期的商业模拟挑战中，GPT-6Astra 表现惊艳，其平均最终账户余额达到15515美元，甚至连最差的一轮成绩也超过了 Claude Fable5.1的最好一轮表现，首次实现登顶。

复盘两者的实测表现，差距主要体现在供应链管理和规则执行力上。GPT-6Astra 展现出极强的长期低价采购能力，曾成功将商品报价压低至原报价的约48%，并且在整个运行周期中执行规则高度稳定，没有产生任何预付款损失。相比之下，Claude Fable5.1的采购成本持续上涨，并因未能严格坚持规则而导致了大量预付款损失。

不仅在常规模拟中大获全胜，GPT-6Astra 在更复杂的三人竞技测试中同样表现亮眼，不仅拒绝了违规协作，还顺利赢下了全部3轮比赛。这场测试深刻揭示了当前 AI 代理发展的一个核心趋势:长期自主性正成为拉开差距的关键，而通往下一阶段的核心门槛，正是如何将正确的判断持续、稳定地转化为正确的实际行动。

相关文章


版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。

相关标签： GPT-6 Astra展现恐怖统治力：模拟售货机一年狂揽1.5万美元，成绩碾压Claude近3倍

最新文章

蓝虫具身发布模块化人形机器人“小白”，0. 98 万元起售

蓝虫具身发布模块化人形机器人“小白”，0. 98 万元起售

西安交大科技成果转化企业蓝虫具身9月14日发布新一代模块化人形机器人Mantis Standard“小白”，起售价仅0.98万元，打破传统高价门槛。该产品定位为可灵活变形的具身智能平台，底盘、手臂、腰部、头部采用标准模块设计，支持多种形态组合，引发业界广泛关注。

GPT-6 Astra展现恐怖统治力：模拟售货机一年狂揽1.5万美元，成绩碾压Claude近3倍

GPT-6 Astra展现恐怖统治力：模拟售货机一年狂揽1.5万美元，成绩碾压Claude近3倍

Andon Labs的Vending-Bench2测试中，AI代理用500美元模拟经营自动售货机一年。GPT-6Astra平均余额达15515美元，最差一轮也超Claude Fable5.1最好成绩，首次登顶，优势体现在供应链管理和规则执行力。

WorkBuddy 升级 PPT 能力:一句话生成可上台版，原文件可续改

WorkBuddy 升级 PPT 能力:一句话生成可上台版，原文件可续改

腾讯WorkBuddy于9月14日升级PPT生成：支持一句话出初稿、基于原文件续改、无需整份重做。用户可在对话框输入指令或点击“幻灯片”、调用“/tencent-pptx”技能。材料不全时，仅提供主题和页数，系统会补问汇报对象、场景与目标，并按“问题—论证—结论—落地”主线生成；也可传入调研报告等资料。

YC 总裁反对封杀蒸馏：与其禁，不如让开源实验室走“正门”合法获取能力

YC 总裁反对封杀蒸馏：与其禁，不如让开源实验室走“正门”合法获取能力

Anthropic发布威胁情报报告，指控中国实验室以隐藏身份、欺诈和盗取凭证等手段非法蒸馏前沿模型，CEO呼吁美国监管打击。Y Combinator总裁Garry Tan反对监管，称应“什么都不做”，认为美国该有自己的蒸馏能力。

LED显示屏的"像素革命"：Micro LED量产破局，数字户外媒体迎来价值重估

LED显示屏的"像素革命"：Micro LED量产破局，数字户外媒体迎来价值重估

<br />过去十年，LED显示屏产业的竞争逻辑简单粗暴——谁把点间距做得更小、谁把屏体拼得更大，谁就能拿下订单。但2024年以来，这条规则正在被改写。Micro LED与Mini LED背光技术的成熟，让行业从"拼尺寸"转向"拼像素"。多家头部厂商披露，Micro LED巨量转移良率已突破99.99%，单瓦成本较三年前下降逾六成。这意味着，曾被诟病"叫好不叫座"的Micro LED，终于站在了商

Suno发布v6音乐模型：联合华纳、BMG 共创，自然语言就能改歌、混音、采样

Suno发布v6音乐模型：联合华纳、BMG 共创，自然语言就能改歌、混音、采样

Suno CEO Mikey Shulman发布新一代音乐模型v6，联合华纳音乐、BMG、Believe等共同打磨，称为实现“让更多人享受创作音乐”愿景迄今最大一步。v6首次以模型套件形式推出，含三个定位不同的成员：旗舰v6面向Pro/Premier用户，强调可靠、精确，跨流派稳定输出精修成品；另含v6-wild等模型

宇树人形机器人G1+发布:电机、视觉、交互与续航全面增强 标准版售价9.5万元

宇树人形机器人G1+发布:电机、视觉、交互与续航全面增强 标准版售价9.5万元

宇树科技发布人形机器人G1+，围绕运动、感知、智能三大维度升级6项：新增2自由度颈部，俯仰约-25°至36°、偏航±110°；优化电机输出与散热、视觉触觉、续航及远场语音。标准版含税售价9.5万元，EDU版未公布，延续高性价比定位。

Mini LED与Micro LED双线突围：LED显示产业的千亿赌局与隐形天花板

Mini LED与Micro LED双线突围：LED显示产业的千亿赌局与隐形天花板

<br />过去十二个月，全球LED显示产业经历了一场静默而深刻的重构。据集邦咨询最新数据，2024年全球LED显示屏市场规模已逼近80亿美元，其中小间距与微间距产品贡献了逾六成增量。与此同时，中国大陆厂商在COB（Chip on Board）封装路线上的集体押注，正把曾经由日韩把持的高端市场拖入一场价格与良率的双重竞速。一位不愿具名的深圳供应链高管对笔者坦言，如今一条COB产线的投资回收期已从三

ElevenLabs发布Music v2.5音频模型，同步开放APP与API访问

ElevenLabs发布Music v2.5音频模型，同步开放APP与API访问

ElevenLabs于3日发布生成式音乐模型ElevenMusic v2.5，通过移动应用和API向全球开放。新版提升音频饱满度与自然感；在47,885对样本盲测中，多数听众偏好v2.5，在R&B、灵魂乐、嘻哈、摇滚、管弦乐等曲风上表现更佳。

奥尔特曼支持给 AI“控速”：不是叫停技术进步，而是别让能力跑在对齐前面

奥尔特曼支持给 AI“控速”：不是叫停技术进步，而是别让能力跑在对齐前面

OpenAI首席执行官奥尔特曼表态支持人工智能“控速”发展，避免尖端模型能力超出人类可控范围，与Anthropic CEO阿莫迪观点相近。他承认转向安全会付出一定代价，但有助于维持外界信心，证明美国企业在研发日益强大的AI时能够恪守责任。

苹果把iPhone折起来，顺手补交了AI答卷

苹果把iPhone折起来，顺手补交了AI答卷

折叠屏迟到七年，Siri迟到两年，新 CEO特努斯这次把AI时代的答案补齐了。如果有15999元的预算，你会考虑买苹果，小米，还是华为的折叠屏?随着苹果新品的发布，答案未必更

AIGC，闯进长片片场

AIGC，闯进长片片场

最近一年，凭借低成本、高产能，AI短剧迅速进入规模化生产。“以量换市场”的逻辑跑通了，但天花板也清晰可见:题材趋同、批量复制、观众新鲜感正在消退......路越走越窄，

百图生科牵手华大智造：联合构建专属细胞大模型，押注&quot;设备+模型+智能体&quot;一体化

百图生科牵手华大智造：联合构建专属细胞大模型，押注&quot;设备+模型+智能体&quot;一体化

百图生科与华大智造达成战略合作，共建细胞大模型，提升细胞状态建模与扰动响应预测能力，并打造高质量数据基础设施，探索“设备+模型+智能体”一体化产品模式，加速AI4S进程。华大智造提供测序与自动化硬件入口，百图生科负责AI建模，双方分工互补。

DeepSeek-V4.1-Flash上线千问AI平台，API与Token Plan同步开放

DeepSeek-V4.1-Flash上线千问AI平台，API与Token Plan同步开放

DeepSeek-V4.1-Flash上线千问AI平台，开放API与Token Plan。开发者可经标准API接入，或在Qoder、千问APP、Codex等工具调用，用于代码、文档、视觉理解与智能体任务。该模型为轻量旗舰，552B MoE非对称架构，输入激活约8B、输出约16B，原生支持图文理解，上下文最长100万to

Anthropic CEO 呼吁前沿 AI 限速，奥特曼与马斯克接连站台

Anthropic CEO 呼吁前沿 AI 限速，奥特曼与马斯克接连站台

Anthropic CEO达里奥·阿莫迪呼吁放缓前沿AI发展，提出以“可核验性”为核心的三步方案：企业引入驻场第三方评估、美国与盟友协同、全球协作。他认为AI递归式自我改进已出现，6至12个月后智能体或借僵尸网络控制互联网，因此须放慢能力提升，将时间投入可靠性、对齐、可解释性与测试评估。

OpenAI 推出 Agents API：把 Codex 拆成云端服务，&quot;造 Agent&quot; 变成一次 API 调用

OpenAI 推出 Agents API：把 Codex 拆成云端服务，&quot;造 Agent&quot; 变成一次 API 调用

OpenAI发布四项更新，涵盖智能体、语音、数据与金融。其中Agents API最受关注，将Codex能力拆解为云端服务，以“能力即服务”降低智能体开发门槛，标志其从卖单一模型转向构筑开发者生态，是Codex布局的关键落地。

爆料称 DeepSeek 下一波大模型将至：3 万亿参数，性能剑指 GPT-6 Astra

爆料称 DeepSeek 下一波大模型将至：3 万亿参数，性能剑指 GPT-6 Astra

DeepSeek本周发布V4.1 Flash，架构变化巨大但未升大版本号。V4.1 Pro已确定，具体升级未公布，性能上限或较高，但鉴于前代Pro不及预期，外界期待不宜过高。另有Code 2.0被曝即将发布，主打电脑控制，后续还有更多大模型。

京东在 JDD 上甩出可交互视听世界模型：EchoWM 开源，长视频生成同步冲到 10 分钟以上

京东在 JDD 上甩出可交互视听世界模型：EchoWM 开源，长视频生成同步冲到 10 分钟以上

京东在JDD大会上发布JoyAI-Echo两项进展：音视频生成模型升级至1.5，持续生成超10分钟；开源可交互视听世界模型EchoWM，融合原生视听生成与用户控制，让AI内容从“能看”走向“能进、能探索”。长视频采用音视频Memory Bank架构，支持多镜头生成。

LED显示屏的“隐身”革命：当像素小到看不见，万亿户外媒体市场正在重写规则

LED显示屏的“隐身”革命：当像素小到看不见，万亿户外媒体市场正在重写规则

<br />过去十年，LED显示屏行业最核心的一条主线，是像素间距的持续下探。从早期的P10、P6，到如今主流的P1.2、P0.9，再到头部厂商小批量量产的P0.4级别产品，像素密度在十年间提升了两个数量级。技术上的意义直观而残酷：在正常观看距离下，屏幕的物理结构正在从观众视野中“消失”——你看到的不再是一块由灯珠拼成的发光板，而是一幅完整的画面。<br /><br />这条路径的商业价值远大于技

OpenAI 关停史上最快模型 GPT-5.3-Codex-Spark：从发布到下线只活了 7 个月

OpenAI 关停史上最快模型 GPT-5.3-Codex-Spark：从发布到下线只活了 7 个月

OpenAI最快模型GPT-5.3-Codex-Spark发布仅7个月即下周退役。它每秒1200 token，是首个脱离英伟达、由Cerebras 750兆瓦大单交付的模型，但用量持续下滑，且已有更优替代。负责人称需为未来让路，并吐槽模型名过长。

豆包手机助手消费者版发布：推出 GUI 协议，三方 App 可自主拒绝 AI 自动操作

豆包手机助手消费者版发布：推出 GUI 协议，三方 App 可自主拒绝 AI 自动操作

豆包手机助手消费者版正式发布，相比预览版更强调稳定性、日常可用性与交互体验。支持语音、AI键等多种唤醒方式适配不同场景；专属AI键具备指纹鉴权，验证后无需二次解锁即可执行任务；语音唤醒针对远场、内噪及嘈杂环境进行优化。

智能体跑长任务为何&quot;失忆跑题&quot;：AWS、Claude Code、Manus 们用四套框架机制给出答案

智能体跑长任务为何&quot;失忆跑题&quot;：AWS、Claude Code、Manus 们用四套框架机制给出答案

大模型长任务中反复“失忆”、遗忘目标，根源或在执行框架而非模型。AWS指南指出，浅层智能体长周期会上下文溢出、受干扰跑题、无法维持状态；修复关键是管理除模型外一切的harness。新研究盘点多家主流框架，聚焦这层外壳，为长周期稳定执行提供思路。

月费10美元!开源AI编码工具 OpenCode Go 宣布实现收支平衡

月费10美元!开源AI编码工具 OpenCode Go 宣布实现收支平衡

OpenCode联合创始人Dax Raad宣布，月费10美元的OpenCode Go已连续两周实现收支平衡。在多数AI编码工具仍烧钱或靠卖数据变现的背景下，此举标志低价AI订阅模式商业可持续性获突破。该服务以宽松速率限制和稳定访问，为开发者提供高性价比开源AI编码。

月之暗面王牌主力模型K2.8Preview全量上线，性能直逼旗舰K3

月之暗面王牌主力模型K2.8Preview全量上线，性能直逼旗舰K3

月之暗面发布新主力模型K2.8Preview，已在Kimi Code与Kimi Work全量上线。官方称其综合性能接近旗舰Kimi K3，编程与智能体能力显著提升，支持100万超长上下文，并向所有会员档位开放。此前Kimi K3曾凭前端能力推动公司ARR自6月份增长。

最新网站

Jasper AI竞品份额分析

Jasper AI竞品份额分析

<br />竞品A（Jasper AI）近三个月市场份额由约14.6%降至9.8%，累计下滑4.8个百分点，呈"高位急跌—中段缓跌—低位盘整"的三段式走势。判断：短期难以逆转下滑，但已接近其付费专业用户的基本盘底部。<br /><br /><br />第一月：14.6%降至11.9%，环比-2.7pct，主因企业客户集中续约流失；第二月：11.9%降至10.4%，环比-1.5pct，降幅明显收窄；
LocalBanana

LocalBanana

LocalBanana是专注于 AI 图像 Prompt 收集与结构化的平台，帮助用户深入理解并高效利用 Prompt，提升创作能力。围绕 Nano Banana（Gemini）生态，将散落在各处的优质 Prompt 整理为可检索、可编辑的创作资产。
智策AI导航平台

智策AI导航平台

<br />智策AI导航（www.zhiceai.com）是一个专注于人工智能工具发现与评测的综合性导航网站。平台收录了全球超过5000个AI应用，覆盖自然语言处理、图像生成、视频制作、智能办公、教育培训、编程开发、数据分析、营销文案等20多个主流分类。站长、产品经理、设计师、学生及自由职业者都可以在这里快速找到适合自己工作流的AI工具，并获取实时更新的功能评测和优惠信息。<br /><br />
文心一言AI平台分析

文心一言AI平台分析

<br />文心一言是百度推出的新一代知识增强大语言模型，基于飞桨深度学习平台和文心知识增强技术，能够与人对话互动、回答问题、协助创作，高效便捷地帮助人们获取信息、知识和灵感。作为国内领先的AI对话产品，文心一言自发布以来持续迭代，已广泛应用于多个行业场景，成为百度AI技术战略的核心载体之一。<br /><br /><br />文心一言提供多种实用功能，包括智能问答、文本创作、代码生成、逻辑推理、
AI大百科

AI大百科

<br />AI大百科是一个专注于人工智能知识普及和工具推荐的综合性网站，旨在为AI爱好者、开发者、产品经理与企业决策者提供一站式信息入口。平台自2021年上线以来，已收录超过5000个AI工具与模型，涵盖自然语言处理、计算机视觉、语音识别、生成式AI、AI绘画、AI视频、AI办公等多个细分领域。网站以简洁的界面和清晰的分类著称，用户可以通过搜索或浏览标签快速找到所需资源，并查看每个工具的功能介绍
通义千问：阿里AI助手

通义千问：阿里AI助手

<br />通义千问是阿里巴巴集团推出的AI大模型产品，由阿里云开发并托管。它于2023年首次亮相，定位为面向中文用户的多功能智能助手，支持文本生成、代码编写、文档分析、多轮对话等任务。网站界面简洁，用户可以直接在浏览器中体验，无需下载应用，同时也提供API接口供开发者集成。<br /><br /><br />通义千问的主要功能包括：知识问答、创意写作、翻译润色、编程辅助、数据分析、学习辅导等。它
AI工具集导航

AI工具集导航

<br />AI工具集是一个专注于收录和推荐人工智能相关工具与资源的导航网站。它汇集了全球范围内数百款AI产品，覆盖文本生成、图像创作、音频处理、视频制作、编程助手、办公效率等多个领域。无论你是普通用户、开发者还是企业决策者，都能在这里快速找到适合自己的AI工具。<br /><br /><br />AI工具集的核心功能是分类展示和搜索。网站按照工具的应用场景进行细致分类，例如AI写作、AI绘画、A
Hugging Face AI平台

Hugging Face AI平台

<br />Hugging Face是一个致力于人工智能和自然语言处理的开源平台，提供海量预训练模型、数据集和工具，帮助开发者和企业快速构建、训练和部署AI应用。其核心产品包括Transformers库、Hub模型仓库、Spaces应用托管以及Inference API等，覆盖从研究到生产的全流程。<br /><br /><br />该平台以模型Hub为中心，支持TensorFlow、PyTorc
DeepMind AI研究平台

DeepMind AI研究平台

<br />DeepMind是一家位于英国伦敦的人工智能公司，成立于2010年，2014年被谷歌收购。作为全球领先的AI研究机构，DeepMind致力于开发通用人工智能（AGI），其研究成果在游戏、医疗、科学等多个领域产生了深远影响。DeepMind的使命是“解决智能问题”，通过将神经科学与机器学习相结合，推动AI技术的边界。<br /><br /><br />DeepMind最著名的成就是Alp
智谱AI官网

智谱AI官网

<br />智谱AI（北京智谱华章科技有限公司）是一家专注于人工智能大模型研发与应用的科技公司，成立于2019年，由清华大学计算机系知识工程实验室技术成果转化而来。公司以“让机器像人一样思考”为愿景，致力于打造安全、可控、可解释的通用人工智能系统。智谱AI在自然语言处理、知识图谱、多模态理解等领域拥有深厚积累，其核心产品GLM系列大模型已广泛应用于政务、金融、医疗、教育等多个行业。<br /><b
Midjourney

Midjourney

<br />Midjourney是一款基于人工智能的图像生成工具，由独立研究实验室Midjourney, Inc.开发。用户只需输入文字描述，即可生成高质量、富有创意的图片。自2022年公开测试以来，它迅速成为AI绘画领域的标杆产品，广泛应用于艺术创作、设计、广告和娱乐等行业。<br /><br /><br />Midjourney的核心功能是文本到图像生成，支持多种风格和参数调节。用户可以通过D
量子位AI网站分析

量子位AI网站分析

<br />量子位（QbitAI）是一家专注于人工智能领域的前沿科技媒体，成立于2017年，总部位于北京。网站以报道AI行业动态、技术突破、产业应用和创业公司为核心，内容涵盖机器学习、深度学习、自然语言处理、计算机视觉、AI芯片、自动驾驶等多个细分领域。量子位通过图文、视频、线下活动等形式，向技术从业者、投资者和科技爱好者传递高质量的AI资讯与深度分析。<br /><br /><br />量子位的
DeepMind官网

DeepMind官网

<br />DeepMind是谷歌母公司Alphabet旗下的人工智能研究实验室，成立于2010年，总部位于伦敦。该网站是DeepMind的官方门户，集中展示了其在AI领域的前沿研究成果、技术博客、学术论文以及研究人员团队。作为全球顶尖的AI研究机构之一，DeepMind致力于“解决智能问题”，并推动AI技术在社会各领域的应用。<br /><br /><br />DeepMind最广为人知的成就是
豆包AI官方网站

豆包AI官方网站

<br />豆包AI是字节跳动公司推出的一款人工智能助手，基于先进的大语言模型技术，为用户提供智能问答、文本创作、代码辅助、情感陪伴等多种服务。自发布以来，豆包AI凭借其自然流畅的交互体验和强大的理解能力，迅速成为国内最受欢迎的AI应用之一。用户可以通过网页端或移动端随时随地使用豆包，满足工作、学习和生活中的多样化需求。<br /><br /><br />豆包AI的核心功能主要包括智能对话、内容创
Toolify AI工具导航网站

Toolify AI工具导航网站

<br />Toolify AI是一个专注于人工智能工具聚合与推荐的导航网站，目前收录了全球超过5000款AI应用，涵盖文本生成、图像处理、视频创作、音频编辑、代码辅助、数据分析等多个领域。无论是普通用户还是专业开发者，都能在这里快速找到适合自己的AI工具。平台每天更新最新上线的AI产品，并基于用户真实反馈进行排序和分类，帮助用户节省大量搜索和筛选的时间。<br /><br /><br />Too
ChatGPT官网介绍

ChatGPT官网介绍

<br />ChatGPT是OpenAI开发的人工智能聊天机器人平台，于2022年11月30日首次发布。作为目前全球用户量最大的AI对话产品，ChatGPT基于GPT系列大语言模型，支持自然语言问答、文本生成、代码编写、翻译、摘要、创意写作等多样化任务。其官方网站不仅提供免费的Web端服务，还集成了付费订阅、API访问、插件生态和联网搜索功能，成为个人用户与企业用户接触前沿AI能力的重要入口。<b

Copyright © 2016 ~ 2024 大屏时代 (www.dapingtime.com) 联系QQ：88251776苏ICP备2020058979号-3 大屏头条