BenchLeader

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。

前 15 名
  1. 1Gemini 4 Carbon16484.2
  2. 2GPT-6 Astra15514.7
  3. 3GPT-6 Sol14427.9
  4. 4Gemini 4 Argon13718.2
  5. 5GPT-6.1 Sol12860.6
  6. 6Claude Opus 511181.9
  7. 7Claude Sonnet 5.511165.3
  8. 8Claude Opus 4.710936.8
  9. 9Grok 4.710536.8
  10. 10GPT-5.6 Sol9619.4
  11. 11Muse Wonder9432.2
  12. 12Claude Opus 5.59235.3
  13. 13GPT-6.1 Terra9107.5
  14. 14Grok 4.69047.0
  15. 15GLM 5.28313.8
72 / 72
#
1Gemini 4 Carbon16484.2–2026-11-10
2GPT-6 Astra15514.766.42026-09-03
3GPT-6 Sol14427.9–2026-09-22
4Gemini 4 Argon13718.264.42026-10-13
5GPT-6.1 Sol12860.662.02026-09-29
6Claude Opus 511181.963.22026-07-24
7Claude Sonnet 5.511165.3–2026-09-28
8Claude Opus 4.710936.863.12026-04-16
9Grok 4.710536.8–2026-09-21
10GPT-5.6 Sol9619.454.32026-07-09
11Muse Wonder9432.264.42026-10-12
12Claude Opus 5.59235.361.02026-09-22
13GPT-6.1 Terra9107.5–2026-10-26
14Grok 4.69047.0–2026-08-12
15GLM 5.28313.851.92026-06-16
16GLM 5.38163.6–2026-08-14
17Claude Opus 4.68017.662.12026-02-05
18GPT-5.57523.861.02026-04-23
19GPT-5.6 Terra7343.2–2026-07-09
20Claude Sonnet 4.67204.157.62026-02-17
21Muse Spark 1.16520.562.22026-07-09
22Claude Sonnet 56377.753.02026-06-30
23Kimi K2.66204.655.12026-04-20
24GPT-5.46144.257.92026-03-05
25GPT-5.3-Codex5940.1–2026-02-05
26Claude Opus 4.85787.458.72026-05-28
27Claude Fable 5high5680.363.92026-06-09
28GLM 5.15634.455.42026-04-07
29Gemini 3 Pro5478.260.02025-11-18
30Claude Fable 5.15421.666.42026-09-01
31Gemini 3.5 Flash5396.4–2026-05-19
32Kimi K35165.060.72026-07-16
33Qwen3.6 Plus5114.959.02026-03-31
34Gemini 3.8 Flash5093.856.42026-09-02
35Kimi K2.7 Code5082.953.92026-06-12
36Claude Fable 5low5018.5–2026-06-09
37Claude Opus 4.54967.157.12025-11-24
38Claude Fable 5max4966.665.12026-06-09
39Grok 4.204662.9–2026-02-17
40Claude Fable 54529.965.42026-06-09
41GLM-54432.154.92026-02-11
42Claude Fable 5medium4339.8–2026-06-09
43Qwen3.6 Maxmax4254.262.12026-04-20
44GPT-5.6 Luna4094.747.22026-07-09
45Grok 4.53887.459.32026-07-08
46Claude Sonnet 4.53838.753.82025-09-29
47Gemini 3.1 Pro Customtools3774.3–2026-02-19
48Gemini 3 Flash3634.756.52025-12-17
49Claude Haiku 5.53602.5–2026-10-07
50GPT-5.23591.356.72025-12-11
51DeepSeek V4 Pro3284.553.02026-04-24
52Claude Opus 4.8max2992.361.12026-05-28
53GLM 4.72376.851.72025-12-22
54MiniMax M32157.856.12026-06-01
55GPT-5.11473.456.12025-11-13
56Kimi K2.51198.554.62026-01-27
57Grok 4.1 Fastthinking1106.655.32025-11-19
58DeepSeek V3.2103450.22025-09-29
59Gemini 3.1 Pro911.259.92026-02-19
60Gemini 2.5 Pro573.655.22025-06-17

更多智能体与工具基准测试 · 全部大模型基准测试

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。