Vending-Bench 2：AI 智能体模拟经营自动售货机一整年

Vending-Bench 2 榜单要求每个模型在模拟环境中经营自动售货机一整年，以年末美元余额为唯一评分指标，每模型取五次运行均值。相比初代，v2 加入对抗性供应商、延迟或失败配送、客户退款等现实混乱因素。Andon Labs 估计优秀人类策略年收入可达约 63,000 美元，而顶尖模型仅能捕获其中一小部分。