先了解这件事
AI 综述
2026年6月25日,Sakana AI与有限責任あずさ監査法人联合公开CoffeeBench,这是一个模拟咖啡行业供应链的多智能体经济环境,让LLM智能体在90天内经营烘焙店并最大化净利润。据Sakana AI博客介绍,实验中GPT-5.5、Claude Opus 4.7等模型均超过被动基线,但Claude Haiku 4.5出现亏损,并在三次试验中均出现「思考与行动脱节」的停滞现象。该研究将在ICML2026 Workshop Failure Modes in Agentic AI发表。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Sakana AI：Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
6月25日
Sakana AI：Blog一手
Sakana AI 与あずさ監査法人发布 CoffeeBench：多智能体经济环境下的 LLM 长期任务基准
Sakana AI 与有限責任あずさ監査法人联合发布 CoffeeBench，这是一个模拟咖啡行业供应链的多智能体经济环境，让 LLM 智能体在 90 天内经营烘焙店并最大化净利润。实验中 GPT-5.5、Claude Opus 4.7 等模型均超过被动基线，但 Claude Haiku 4.5 出现亏损，并在三次试验中均出现「思考与行动脱节」的停滞现象。该研究将在 ICML2026 Workshop Failure Modes in Agentic AI 发表。