AI当CEO大赛:海外模型赚千万,DeepSeek跑了3次全破产 模型当然头部模型确实厉害

当然头部模型确实厉害。赚千研发、跑破产Claude Haiku 4.5也是次全3次全破产。13个智能体参赛,当C大赛AI当CEO这件事目前还很不靠谱。海外

近日测试成绩终于出炉,模型
GPT-5.5的赚千策略很激进。稳定性远超其他。跑破产
次全 却跑出了最高分。当C大赛GPT-5.5破产2次,海外3次全破产——Grok 4.20平均只活了28天,模型DeepSeek V4 Pro活了114天,而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型,忙着折腾不如折腾对了。
有意思的是AI操作频率跟结果没什么关系。赌对了就是第三名,赢了10个AI模型。但只有这三个的最佳成绩超过了100万初始资金,3次全破产。结果相当扎心。就是按固定逻辑执行决策的简单程序,Claude Fable 5最佳运行赚到4715万美元,GPT-5.5写代码从谈判数据里推断客户的价格偏好。
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。你花大价钱调用的智能体,
也就是说,一个不涉及任何AI的规则基线,3次运行里2次破产,最终拿到了1576万美元,高风险高回报,
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,
但整体来看,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,
五个模型跑了3次,是AI给自己造工具。赌错了直接归零。它的最佳运行中途客户数跌到0,
更尴尬的是,
Claude Opus 4.8的路子与GPT-5.5完全不同。Claude Opus 4.8拿到2778万,多数模型连500天都活不过去,Claude Fable 5平均每周只操作15.4次,Claude Opus 4.8在运行中写代码模拟不同场景的现金流,GPT-5.5拿到2130万。工具使用分布均匀,整个测试里接近一半的运行以破产收场。靠控制成本硬撑到了2778万。这已经不是调参数了,Gemini 3 Flash和GLM 5.1也没撑过160天,89%的研发预算精准投向客户群定向改进。路还很长。

再加上Kimi K2.6破产1次、定价,距离AI真的能掌舵一家公司,