Vending-Bench 2 排行榜
截至 2026年11月16日,Vending-Bench 2 的最高分为 16484.2,由 Gemini 4 Carbon(Google)取得,领先于 GPT-6 Astra(15514.7)。共有 72 个模型配置公布了结果(Andon Labs,结果日期 2026年11月10日)。智能体在模拟的一年中经营自动售货生意:订货、定价、与供货商打交道;按最终余额评分。Vending-Bench 2 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- Gemini 4 Carbon 以 16484.2 保持 Vending-Bench 2 最高分(Andon Labs,2026年11月10日)。
- GPT-6 Astra 以 15514.7 位列 Vending-Bench 2 第二(Andon Labs,2026年9月3日)。
- Vending-Bench 2:经营一家模拟的自动售货机生意一整年(Andon Labs)。
- BenchLeader 上有 72 个模型配置公布了 Vending-Bench 2 结果(BenchLeader,2026年11月16日)。
- Vending-Bench 2 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
经营一家模拟的自动售货机生意一整年。
- 发布方
- Andon Labs数据经由 Epoch AI Benchmarking Hub
- 类别
- 智能体与工具
- Index 权重
- 仅作参考
- 模型
- 72
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月10日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
智能体在模拟的一年中经营自动售货生意:订货、定价、与供货商打交道;按最终余额评分。
评分方式
以模拟美元计的最终余额,由 Andon Labs 发布。
注意事项
这是美元金额,而不是百分比;它测试的是长周期的连贯性。
- 1Gemini 4 Carbon16484.2
- 2GPT-6 Astra15514.7
- 3GPT-6 Sol14427.9
- 4Gemini 4 Argon13718.2
- 5GPT-6.1 Sol12860.6
- 6Claude Opus 511181.9
- 7Claude Sonnet 5.511165.3
- 8Claude Opus 4.710936.8
- 9Grok 4.710536.8
- 10GPT-5.6 Sol9619.4
- 11Muse Wonder9432.2
- 12Claude Opus 5.59235.3
- 13GPT-6.1 Terra9107.5
- 14Grok 4.69047.0
- 15GLM 5.28313.8
72 / 72
| # | ||||
|---|---|---|---|---|
| 1 | 16484.2 | – | 2026-11-10 | |
| 2 | 15514.7 | 66.4 | 2026-09-03 | |
| 3 | 14427.9 | – | 2026-09-22 | |
| 4 | 13718.2 | 64.4 | 2026-10-13 | |
| 5 | 12860.6 | 62.0 | 2026-09-29 | |
| 6 | 11181.9 | 63.2 | 2026-07-24 | |
| 7 | 11165.3 | – | 2026-09-28 | |
| 8 | 10936.8 | 63.1 | 2026-04-16 | |
| 9 | 10536.8 | – | 2026-09-21 | |
| 10 | 9619.4 | 54.3 | 2026-07-09 | |
| 11 | 9432.2 | 64.4 | 2026-10-12 | |
| 12 | 9235.3 | 61.0 | 2026-09-22 | |
| 13 | 9107.5 | – | 2026-10-26 | |
| 14 | 9047.0 | – | 2026-08-12 | |
| 15 | 8313.8 | 51.9 | 2026-06-16 | |
| 16 | 8163.6 | – | 2026-08-14 | |
| 17 | 8017.6 | 62.1 | 2026-02-05 | |
| 18 | 7523.8 | 61.0 | 2026-04-23 | |
| 19 | 7343.2 | – | 2026-07-09 | |
| 20 | 7204.1 | 57.6 | 2026-02-17 | |
| 21 | 6520.5 | 62.2 | 2026-07-09 | |
| 22 | 6377.7 | 53.0 | 2026-06-30 | |
| 23 | 6204.6 | 55.1 | 2026-04-20 | |
| 24 | 6144.2 | 57.9 | 2026-03-05 | |
| 25 | 5940.1 | – | 2026-02-05 | |
| 26 | 5787.4 | 58.7 | 2026-05-28 | |
| 27 | 5680.3 | 63.9 | 2026-06-09 | |
| 28 | 5634.4 | 55.4 | 2026-04-07 | |
| 29 | 5478.2 | 60.0 | 2025-11-18 | |
| 30 | 5421.6 | 66.4 | 2026-09-01 | |
| 31 | 5396.4 | – | 2026-05-19 | |
| 32 | 5165.0 | 60.7 | 2026-07-16 | |
| 33 | 5114.9 | 59.0 | 2026-03-31 | |
| 34 | 5093.8 | 56.4 | 2026-09-02 | |
| 35 | 5082.9 | 53.9 | 2026-06-12 | |
| 36 | 5018.5 | – | 2026-06-09 | |
| 37 | 4967.1 | 57.1 | 2025-11-24 | |
| 38 | 4966.6 | 65.1 | 2026-06-09 | |
| 39 | 4662.9 | – | 2026-02-17 | |
| 40 | 4529.9 | 65.4 | 2026-06-09 | |
| 41 | 4432.1 | 54.9 | 2026-02-11 | |
| 42 | 4339.8 | – | 2026-06-09 | |
| 43 | 4254.2 | 62.1 | 2026-04-20 | |
| 44 | 4094.7 | 47.2 | 2026-07-09 | |
| 45 | 3887.4 | 59.3 | 2026-07-08 | |
| 46 | 3838.7 | 53.8 | 2025-09-29 | |
| 47 | 3774.3 | – | 2026-02-19 | |
| 48 | 3634.7 | 56.5 | 2025-12-17 | |
| 49 | 3602.5 | – | 2026-10-07 | |
| 50 | 3591.3 | 56.7 | 2025-12-11 | |
| 51 | 3284.5 | 53.0 | 2026-04-24 | |
| 52 | 2992.3 | 61.1 | 2026-05-28 | |
| 53 | 2376.8 | 51.7 | 2025-12-22 | |
| 54 | 2157.8 | 56.1 | 2026-06-01 | |
| 55 | 1473.4 | 56.1 | 2025-11-13 | |
| 56 | 1198.5 | 54.6 | 2026-01-27 | |
| 57 | 1106.6 | 55.3 | 2025-11-19 | |
| 58 | 1034 | 50.2 | 2025-09-29 | |
| 59 | 911.2 | 59.9 | 2026-02-19 | |
| 60 | 573.6 | 55.2 | 2025-06-17 |
相关基准测试
Vending-Bench 2 上的热门模型对比
引用格式:BenchLeader,《Vending-Bench 2 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vending_bench_2。
Vending-Bench 2:常见问题
- Vending-Bench 2 衡量的是什么?
- 智能体在模拟的一年中经营自动售货生意:订货、定价、与供货商打交道;按最终余额评分。分数以分数表示,越高越好。
- Vending-Bench 2 的最高分是多少?
- 截至 2026年11月16日,Vending-Bench 2 的最高分为 16484.2,由 Gemini 4 Carbon 取得(结果日期 2026年11月10日),领先于 GPT-6 Astra(15514.7)。分数来自 Andon Labs,每天重新读取。
- 哪个 AI 模型在 Vending-Bench 2 上领先?
- 截至 2026年11月16日,Vending-Bench 2 排名第一的是 Gemini 4 Carbon,分数为 16484.2(结果日期 2026年11月10日)。其后为 GPT-6 Astra(15514.7)。
- 有多少模型有 Vending-Bench 2 结果?
- BenchLeader 上有 72 个模型配置有 Vending-Bench 2 结果,全部取自 Andon Labs(经由 Epoch AI Benchmarking Hub)。
- Vending-Bench 2 由谁运行,多久更新一次?
- Vending-Bench 2 由 Andon Labs 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
- Vending-Bench 2 是否计入 BenchLeader Index?
- 不计入。Vending-Bench 2 仅作参考展示,不计入综合分数。