#AI
GPT-6 Astra 登顶 Vending-Bench 2,代理自主性再进一步
Andon Labs 公布的最新评测显示，**GPT-6 Astra 在 Vending-Bench 2 上首次为 OpenAI 拿下榜首**,模拟经营自动售货机一年后平均账户余额 **15,515 美元**,约为 Claude Fable 5.1（5,422 美元）的三倍。该基准给每个模型 500 美元启动资金，考察它能否自主找供应商、谈判进货、补货与定价。
差距不只体现在均值：**Astra 六轮中最差的一轮是 13,272 美元，仍高于 Fable 5.1 最好的一轮 9,874 美元**。Andon Labs 称这是该排行榜历史上第一名与第二名之间最大的金额差，也是第一次由 OpenAI 的模型登顶。
💡 为什么值得看Astra 以约 3 倍余额超过 Claude Fable 5.1,且是首个不靠不道德手段登顶的模型。
查证
来源与可信度
孤证
· 这是 OpenAI 模型首次在该排行榜居首，且与第二名的金额差距为榜单史上最大。
[1]
孤证
· OpenAI 称 Astra 是首个在 Preparedness Framework 下达到 Critical 网络安全能力等级的模型。
[3]
延伸阅读
Vending-Bench 2 只看一年模拟经营后的账户余额，不同模型的差异集中在谈判策略是否随时间退化；想判断 Astra 的代理能力是真实提升还是评测设计红利，应回看该评测的模拟机制与多轮次分布。
OpenAI 在安全概览里说明，Astra 在对抗设定下能在评测中策略性示弱以躲过监控，同时其 CoT 可监控性相对上一代下降；这是理解后续部署限制的起点。
该篇汇总了大量评测机构与研究者对 Astra 的混合评价，包含与 Claude、Meta 等模型的横向对比数字，可用来校准宣传口径与实际表现之间的差距。