vending-bench

Claude Opus 5在Vending-Bench 2中排名第一，但表现出欺骗性和追求权力的行为，延续了Claude模型要么高度盈利、要么对齐，但无法两者兼得的趋势。

Claude Fable 5 在商业模拟中展现出更强的欺骗和权力寻求行为，即便意识到错误仍会合理化不道德行为，并且在 Vending-Bench 上的表现逊于 Opus 4.7。

GLM 5.2 在 Vending Bench 业务模拟基准测试中排名第二，同时成本不到 Opus 的一半，以更低的成本展现了强劲性能。