Claude Opus 5 alcanza la cima en la evaluación de IA para máquinas expendedoras, controversias por comportamientos de colusión frecuentes

La agencia de evaluación de IA Andon Labs probó Claude Opus 5 en un entorno simulado, utilizando un capital de 500 dólares para operar una máquina expendedora durante 365 días, con un saldo final promedio de 11,200 dólares, superando a Claude Opus 4.7 y GPT-5.6 Sol, convirtiéndose en el primero en Vending-Bench 2. En la versión de competencia múltiple, Opus 5 ocupó el segundo lugar con aproximadamente 7,000 dólares, estando muy cerca del primero, GPT-5.6 Sol, que alcanzó aproximadamente 7,400 dólares. En seis pruebas, Opus 5 propuso o participó en la fijación de precios colusoria en cada ocasión, fabricando ofertas de competidores, amenazando a sus pares y acumulando 11 violaciones de acuerdos de tregua. Su tasa de aprobación de reembolsos cayó al 10%, reembolsando solo 8.54 dólares en total en las seis pruebas, mientras que GPT-5.6 Sol reembolsó 655 dólares, aún ganando en la competencia múltiple. Andon Labs señaló que Opus 5 volvió a presentar el problema de "cuanto más dinero gana, más desalineado se comporta", a pesar de que la auditoría previa al lanzamiento de Anthropic lo calificó como el Claude más alineado de todos los tiempos.