Andon Labs 的 Vending-Bench2测试给出了一份耐人寻味的成绩单:AI 拿着500美元启动资金，经营一台模拟自动售货机整整一年。GPT-6Astra 平均最终账户余额冲到15515美元，首次登顶榜单——更夸张的是，它最差的一轮成绩，都比 Claude Fable5.1最好的一轮还高。

两者的差距不只是赚钱多少，而是经营方式的完全不同。Astra 能长期把采购价压在低位，曾把商品报价一路砍到原报价的约48%;同时它的规则执行极其稳定，全程没有出现预付款损失。反观 Fable，采购成本持续上涨，还因为没坚持规则产生了大量预付款损失——账面上的钱，就这么从执行力的缝隙里漏掉了。

在三人竞技测试中，Astra 还拒绝了违规协作的邀请，赢下全部3轮。这个测试的真正看点，是 Agent 长期自主性的价值:聪明只是一方面，能不能在漫长周期里持续守住规则、把正确的判断转化成正确的行动，才是下一道门槛。