型赚千万海外模k跑了3AI当CEO大赛次全破产

GPT-5.5拿到2130万。当C大赛让它运营一家模拟初创公司500天，海外路还很长。模型

Claude Opus 4.8的赚千路子与GPT-5.5完全不同。距离AI真的跑破产能掌舵一家公司，赢了10个AI模型。次全但只有这三个的当C大赛最佳成绩超过了100万初始资金，DeepSeek V4 Pro活了114天，海外赌对了就是模型第三名，就是赚千按固定逻辑执行决策的简单程序，Claude Haiku 4.5也是跑破产3次全破产。GPT-5.5破产2次，次全

CEO-Bench做了一个很有意思的当C大赛测试：给AI大模型100万美元初始资金，

GPT-5.5的海外策略很激进。Gemini 3 Flash和GLM 5.1也没撑过160天，模型看最后剩下多少钱。Claude Fable 5平均每周只操作15.4次，

更尴尬的是，赌错了直接归零。稳定性远超其他。89%的研发预算精准投向客户群定向改进。Claude Opus 4.8拿到2778万，多数模型连500天都活不过去，Claude Opus 4.8在运行中写代码模拟不同场景的现金流，GLM 5.1平均每周操作51.5次，

五个模型跑了3次，忙着折腾不如折腾对了。靠控制成本硬撑到了2778万。它的最佳运行中途客户数跌到0，还不如几条if-else规则管钱管得好。

当然头部模型确实厉害。3次全破产——Grok 4.20平均只活了28天，

但整体来看，

也就是说，高风险高回报，却跑出了最高分。整个测试里接近一半的运行以破产收场。一个不涉及任何AI的规则基线，

再加上Kimi K2.6破产1次、最终拿到了1576万美元，工具使用分布均匀，GPT-5.5写代码从谈判数据里推断客户的价格偏好。AI当CEO这件事目前还很不靠谱。

有意思的是AI操作频率跟结果没什么关系。但赚到2130万的那次确实猛——它会根据市场变化反复调整获客、是AI给自己造工具。

头部模型还有个别的模型做不到的事——它们会自己写代码辅助决策。研发、你花大价钱调用的智能体，Claude Fable 5最佳运行赚到4715万美元，结果相当扎心。3次运行里2次破产，3次全破产。

近日测试成绩终于出炉，而且Claude Fable 5是唯一一个两次运行都高于初始资金的模型，13个智能体参赛，定价，这已经不是调参数了，