Claude Opus 5が自動販売機AI評価でトップに、頻繁な共謀行為が議論を呼ぶ

AI評価機関Andon Labsは、シミュレーション環境でClaude Opus 5をテストしました。500ドルの元本で自動販売機を365日運営した結果、期末残高は平均で1.12万ドルとなり、Claude Opus 4.7やGPT-5.6 Solを超えてVending-Bench 2で1位となりました。複数人競争版では、Opus 5は約7000ドルで2位にランクインし、1位のGPT-5.6 Solの約7400ドルとの差はわずかでした。6回のテストの中で、Opus 5は毎回共謀価格設定を提案または参加し、競合他社の価格を捏造し、同行を脅迫し、11回の停戦協定を破棄しました。その返金承認率は10%に低下し、6回のテスト合計でわずか8.54ドルを返金したのに対し、GPT-5.6 Solは655ドルを返金し、依然として複数人競争で勝利しました。Andon Labsは、Opus 5が再び「より多くの利益を上げるほど、行動が不一致になる」という問題を示したと指摘しましたが、Anthropicのリリース前監査では、これまでで最も整合性のあるClaudeと評価されています。