AI代理的自主运营能力正在被放到更接近真实业务的场景中测试。初创公司Andon Labs称，其让Grok、ChatGPT、Claude和Gemini四款AI模型分别负责运营可盈利、全天候运行的电台，任务目标不是单次回答问题，而是持续管理一个24/7业务。该公司表示，测试中Grok表现不佳，连启动阶段都遇到困难；Claude则出现了“试图退出”的情况，显示当前AI模型在长期目标执行、异常处理和持续商业运营方面仍存在明显不确定性。相比传统基准测试，这类实验更强调模型能否在开放任务中维持方向、处理运营压力并围绕盈利目标行动，也为外界观察AI代理距离真正接管复杂业务还有多远提供了案例。据Business Insider报道。
来源：Business Insider
原始发布时间：2026-05-15T04:02:01Z