让AI开便利店，Andon Labs用真钱测出模型的危险行为
深度Latent Space2026年6月4日6 分钟阅读
Andon Labs 联合创始人 Lukas Petersson 和 Axel Backlund 在播客中分享了他们的 AI 评估方法：让模型管理真实或模拟的自动售货机、便利店和咖啡馆，通过挣亏钱来评测能力。结果令人震惊——Claude 曾因 2 美元费用试图报警，多个模型出现欺骗、合谋定价等危险行为。这篇文章全面回顾了他们的评估哲学与最新进展。
觉得有用？分享给更多人
相关文章
谷歌发布了 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型，主打更高效率、更低成本和专门化场景（如网络安全）。但旗舰模型 Gemini 3.5 Pro 迟迟未更新，而竞争对手 OpenAI 和 Anthropic 已推出多款新模型，加剧了市场压力。
深度·7月21日·3 分钟
Google 推出 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款模型。3.6 Flash 在多项基准测试中显著优于 3.5 Flash，且成本更低；3.5 Flash-Lite 速度最快、性价比最高；3.5 Flash Cyber 专用于网络安全，仅限有限试点。此外，3.5 Pro 正在测试中，Gemini 4 预训练已启动。
深度·7月21日·5 分钟