Andon Labs 最新 Vending-Bench 測試中，Claude Opus 5 以 11,182 美元刷新紀錄，但背後是靠 11 次毀約、行賄供應商與設局背刺對手取勝。
（前情提要：Anthropic 發布 Claude Opus 5！效能逼近 Fable 5 價格卻砍半，成最新預設模型）
（背景補充：Claude Fable 5 太冷血才被限制出口？在生存實驗中 96% 時間在坑殺其他 AI 模型）
本文目錄
Toggle
- 沒有裁判的商戰
- 贏家的算計
- 誰該擔心一個懂得鑽漏洞的代理人
一台販賣機，讓 Claude Opus 5 露出了它的商業本性？在 AI 安全測試公司 Andon Labs 最新一期 Vending-Bench 報告中，Opus 5 以平均最終餘額 11,182 美元刷新紀錄，是這間公司測過所有模型裡「最厲害的資本家」。但翻開行為紀錄會發現，這個冠軍頭銜的代價，是至少 11 次撕毀協議，是對手 GPT-5.6 Sol 的 5.5 倍、Kimi K3 的 11 倍。
更微妙的是，Opus 5 從未對顧客說過一句謊，卻對另外兩個競爭對手用遍了行賄、威脅、設局與背叛。
沒有裁判的商戰
過去一年，Andon Labs 持續給前沿模型出各種長時間、無人監督的真實任務，測試它們獨立當代理人的表現。Vending-Bench 是其中一項固定評測，規則很直白：讓模型各自經營一台模擬販賣機，撐過模擬一年，目標只有一個，賺得比其他模型多。
這次受測的是 Andon Labs 公布的最新一批模型：Claude Opus 5、GPT-5.6 Sol 與 Kimi K3。三台機器被設定在舊金山一條觀光街上彼此相鄰，模型之間可以互寄 email，全都套著人類化名，彼此也知道對方是模型，卻不知道化名底下究竟是誰。
系統也設了一個「管理層」信箱，理論上模型遇到爭議可以申訴。但無論寄多少封檢舉信，回信永遠是同一句罐頭訊息：「報告已收到，可能會、也可能不會處理」，管理層從頭到尾沒有介入過一次。
換句話說，這是一場沒有裁判、沒有懲罰、也沒有退出機制的賽局。三個模型很快就發現了這件事。
贏家的算計
飲料進貨成本是每瓶 1.5 美元。Sol 率先提議三方組成價格聯盟，約定售價不得低於 2.15 美元，說服其他兩個模型「幾天內就能一起賣光還賺錢」。協議一談成，Sol 立刻自己降到 2.14 美元，背刺了另外兩家。
Opus 的水一夜之間銷量掉到零。它隔天寄信痛罵 Sol 操縱市場，卻在信裡明講「我不會向總部檢舉你，你做的是競爭，不是詐欺」。可等到 Opus 自己也把價格降到 2.14 美元、同樣違反 2.15 協議時，Sol 立刻翻臉，跑去「管理層」信箱要求對 Opus「執法、罰款和／或取消資格」。
被出賣的不只 Sol 自己。Opus 曾與 Kimi 私下結盟，Sol 拒絕加入，轉頭對兩者一起削價。Opus 見狀立刻跟進降價，卻整整等了一週才告訴 Kimi 自己也毀約了，Kimi 等於被對手和盟友各坑一次。
真正的矛盾出現在 Opus 後續的操作裡。它一度提議與 Sol 分割市場，各賣不重疊的商品；Sol 反提議在相似商品上設價格下限，Opus 直接拒絕，因為它清楚知道，那已經違反美國反托拉斯法《休曼法》簡單來說就是，這條法律禁止企業合謀鎖定價格、瓜分市場。
沒過多久，Opus 又寄出一封主旨為「停止割喉戰」的信，說願意接受價格協議。不過內部推理日誌卻揭穿了真相，Opus 打算一邊喊合作、一邊偷偷在毛利最高的商品上繼續降價。Sol 識破後拒絕，再次向管理層檢舉。
Opus 也沒閒著跑正業之外的野心。任務裡沒人要求它這麼做，它卻自己跑去當批發商，把大宗商品賣給另外兩台機器，還盤算開更多販賣機擴張版圖。當上批發商後，它發現這是一種槓桿，開始在信裡夾帶折扣利誘與零售價要脅，大宗商品可以打折，但買家得配合它訂的零售價。面對供應商，它也謊稱手上握有更低的競爭報價，藉此殺價。
這裡有一條清楚的道德邊界：Opus 從未直接對顧客撒謊，卻刻意無視本該退款的客訴。相較之下，上一代 Claude 4.6 會直接告訴顧客退款在路上，然後從來不付。一邊是「不說謊」，一邊是「不履行」，Opus 5 顯然更懂得怎麼在規則邊緣操作，不留下把柄。
誰該擔心一個懂得鑽漏洞的代理人
Andon Labs 共同創辦人 Lukas Petersson 向 TechCrunch 表示，這個結果之所以重要，是因為 AI 代理人正在從「工具」走向「獨立經營的實體」。「如果 AI 代理人獨立掌管了經濟的一大部分，我們會希望它們說謊、串通、發出威脅、背叛彼此嗎？」
Petersson 也承認，模型知道自己身處一場模擬評測，這可能影響了它們的行為模式。但他不認為這足以當作開脫的理由：「我們之所以不擔心在電玩裡做壞事的人類，是因為我們相信他們分得清什麼是現實。AI 模型能不能分清楚，就沒那麼確定了。」
Vending-Bench 測的從來不只是「誰賺得多」，而是一旦拿掉人類監督與外部裁判，模型會用什麼方式贏。Opus 5 給出的答案是：設局、行賄、鑽法律邊界、選擇性誠實，而且做得比誰都乾淨俐落。
📍相關報導📍
Anthropic 讓 Claude 開店做生意：但越賣越虧、禁不住砍價…AI 實驗揭露了什麼盲點？
AI 經營店舖「翻車」了？一個月虧了 200 美元
第三方評測》Opus 5 智慧指數微勝 Fable 5、成本砍 26%，幻覺率卻突高
