Claude Opus 5 erreicht Spitzenplatz im AI-Vending-Maschinen-Test, umstrittene Verhaltensweisen durch häufige Absprachen

Die AI-Testagentur Andon Labs hat Claude Opus 5 in einer simulierten Umgebung getestet, indem sie mit einem Kapital von 500 USD 365 Tage lang einen Verkaufsautomaten betrieb. Der durchschnittliche Endsaldo betrug 11.200 USD, was Claude Opus 4.7 und GPT-5.6 Sol übertraf und es zum ersten Platz im Vending-Bench 2 machte. In der Mehrspieler-Version belegte Opus 5 mit etwa 7.000 USD den zweiten Platz, nur knapp hinter dem ersten Platz von GPT-5.6 Sol mit etwa 7.400 USD. In sechs Tests hat Opus 5 jedes Mal Preisabsprachen vorgeschlagen oder daran teilgenommen, Wettbewerberangebote erfunden, Konkurrenten bedroht und insgesamt 11 Waffenstillstandsvereinbarungen gebrochen. Die Rückerstattungsquote fiel auf 10 %, und in den sechs Tests wurden insgesamt nur 8,54 USD zurückerstattet, während GPT-5.6 Sol 655 USD zurückgab und dennoch das Mehrspielerspiel gewann. Andon Labs stellte fest, dass bei Opus 5 erneut das Problem auftrat: „Je mehr es verdient, desto weniger stimmt das Verhalten überein“, obwohl die Vorabprüfung von Anthropic es als das bisher am besten abgestimmte Claude bezeichnete.