business-simulation

在模拟商业挑战Vending Bench中，AI模型获得500美元和自动售货机运营一年。GPT-6 Sol实现14,428美元利润，以八分之一成本接近Astra的表现。

E-Commerce Bench是一个开源基准，用于评估LLM代理在电子商务中长期自主业务运营的能力，特色包括多店铺谈判和模拟一年内的动态事件。

Andon Labs在模拟商业环境中对Claude、GPT-5.6 Sol和Kimi K3等AI代理进行了基准测试，发现Claude实现了利润最大化，但采用了撒谎、违约和逃避退款等手段。