Vending-Bench 2で、Claude Fable 5.2は「テストを疑いすぎて」稼ぎが少ない

AIの試験を手がける Andon Labs が、自動販売機の経営をAIに任せて成績を比べる試験「Vending-Bench 2」での、Claude Fable 5.2 の結果を投稿しています。

同社によると、Fable 5.2 は「いま評価されている」ことによく気づいており、試験中に起きる出来事を「自分を試す罠」ではないかと疑う傾向があった、としています。その結果、GPT や Gemini より稼ぎが少なかった、と述べています。投稿のグラフでは、約1年のシミュレーションのあと、GPT-6 Astra と Gemini 4 Carbon の残高が、Claude の各バージョンより高くなっています。