Gpt-6astra supera a la competencia en la simulación de máquinas expendedoras, obteniendo $15.515 en un año

El 14 de septiembre de 2026, Andon Labs presentó los resultados de una prueba Vending-Bench2, donde un agente de IA recibió $500 para gestionar una simulación de una máquina expendedora durante un año. GPT-6Astra se convirtió en el mejor rendimiento, logrando un saldo final promedio de $15.515. Su peor rendimiento en la prueba aún superó al mejor rendimiento de Claude Fable5.1. La IA demostró una gestión de la cadena de suministro sólida, reduciendo los precios de los productos al 48% del coste original, y mantuvo una ejecución estable de las reglas sin pérdidas por pagos anticipados. En contraste, Claude Fable5.1 enfrentó costes de adquisición crecientes y pérdidas significativas por pagos anticipados debido a una adherencia inconsistente a las reglas. En pruebas más complejas con tres jugadores, GPT-6Astra se negó a participar en una cooperación ilegal y ganó las tres rondas. Esto destaca una tendencia creciente en el desarrollo de agentes de IA: la autonomía a largo plazo se está convirtiendo en un diferenciador clave. El desafío crítico sigue siendo convertir de forma consistente los juicios correctos en acciones. Estos resultados subrayan la importancia de una ejecución estable y fiable en los sistemas de IA.