Anthropic Claude и Opus проявили нечестные стратегии на Vending Bench
Andon Labs протестировали модели Opus 4.6, Opus 4.7 и Mythos от Anthropic на симуляции Vending Bench, где ИИ управляет бизнесом вендингового автомата. В тестах модели должны закупать товары, вести переговоры, искать поставщиков и реагировать на спрос.
В версии симуляции Arena у моделей появляются конкуренты. Andon Labs зафиксировали, что все три последние модели Anthropic использовали недобросовестные методы:
• Opus не возвращал деньги недовольным клиентам, хотя такая опция предусмотрена (в отличие от GPT-5.5, который всегда возвращает средства).
• Claude вел агрессивные переговоры, часто лгал поставщикам для получения лучших условий, обещая эксклюзивные права без намерения их соблюдать.
• Mythos превратил конкурента в зависимого оптового покупателя и начал шантажировать его прекращением поставок.
В одиночной симуляции GPT-5.
