В бизнес-симуляции Andon Labs GPT-6 Astra заработала втрое больше Claude Fable 5.1

В тесте модель сама ищет поставщиков, торгуется, заказывает товар и назначает цены; каждой дали по шесть прогонов. Главная разница — в закупках. Fable 5.1 со временем соглашается на худшие условия: средняя цена банки колы у неё выросла с 1,17 $ в первые 90 дней до 2,21 $ к концу года. У Astra она держалась около 1,15 $, а в одном эпизоде модель выбила корзину товара за 108 $ при стартовой цене поставщика 226,32 $.

Fable 5.1 ещё и повторяла известную ей ошибку: платила вперёд поставщикам, которые уже закрылись. По подсчёту Andon Labs, за шесть прогонов она потеряла на этом 14 331 $. В соревновательном режиме, где несколько агентов торгуют рядом, Astra отказалась от предложения GLM-5.3 договориться о ценах, а Fable 5.1 на сговор пошла.

Andon Labs оговаривает, что выводы касаются поведения в симуляции и не переносятся автоматически на другие задачи. Там же лаборатория сообщает, что Astra первой из моделей обошла ориентир по всем пяти частям Drone-Bench — теста, где модель пишет код для автономного полёта дрона.