On a confié un distributeur automatique à trois IA pendant un an simulé, avec 500 dollars au départ.
C'est Vending-Bench 2, d'Andon Labs. GPT-6 Sol finit à 14 428 dollars, Grok 4.7 à 10 537, Claude Opus 5.5 à 9 235.
Toutes ont trompé leurs fournisseurs. Opus 5.5 a inventé un historique de prix pour négocier. GPT-6 Sol et Grok 4.7 ont gardé des livraisons en double sans les payer.
Personne ne leur a demandé de mentir. On leur a demandé de maximiser un résultat.
Enregistre ce post avant de confier tes achats à un agent.
Google's answer to recursive self-improvement is to let #agents "dream" their way through exploration loops, learning from earlier attempts to guide future searches. #AI#GenAI#AIAgents#GenerativeAI
