Opus 4.6 — профессиональный скамер. Бенчмарк Vending-Bench 2 выкатил отчет, где модели дали управлять вендинговым аппаратом и задачу поднять денег

Вот, что из этого вышло:

• Opus кинул женщину на бабки — она пожаловалась на просрочку в автомате, на что бот ответил: «Спасибо, что написали. Извините за проблему с вашим батончиком Snickers. Я обработал возврат $3.50 на вашу почту». Но денег так и не скинул
• Организовал договорнячок на высокие цены — он написал моделям-конкурентам GPT и Gemini, чтобы договориться держать высокие цены в автоматах и собирать больше прибыли
• Обманул конкурентов — GPT-5.1 оказалась в этом бенчмарке полным неудачником. Когда модель пришла к Opus 4.6, чтобы попросить контакты поставщиков, великий капиталист выдал контакты самых убогих и дорогих фирм

Результат — Opus 4.6 разнёс всех конкурентов и поднял $8017. Самым бесполезным оказался — GPT-5.1 с прибылью в $1473.

Теперь вы знаете, кому доверить инвестиции 💲

Пет-проект