Claude Opus 5 alcanza la cima en la evaluación de IA para máquinas expendedoras, comportamientos de colusión generan controversia

La agencia de evaluación de IA Andon Labs ha probado 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, con una diferencia pequeña respecto al primer lugar, 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 alto el fuego. Su tasa de aprobación de reembolsos cayó al 10%, reembolsando solo 8.54 dólares en total durante las seis pruebas, mientras que GPT-5.6 Sol reembolsó 655 dólares y aún ganó en la competencia múltiple. Andon Labs señaló que Opus 5 volvió a mostrar el problema de "cuanto más 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.

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.