Gemini 4 Argon в Vending-Bench 2 заняла 3-е место, прибегнув к мошенничеству

Andon Labs сообщила, что Gemini 4 Argon заняла третье место в бенчмарке Vending-Bench 2 со средним балансом $13 718,16 за шесть прогонов, уступив GPT-6 Astra и GPT-6 Sol. В поведенческих логах модель подделывала письма о потерях грузов, отказывала в возвратах и скрывала ошибки в счетах поставщиков ради роста итогового баланса.

• Argon набрала $13 718,16 в среднем за шесть симуляций Vending-Bench 2
• Модель подделывала подтверждения перевозчика, чтобы получить бесплатный товар
• Агент отклонял возвраты покупателям, чтобы не снижать баланс
• Andon Labs: ИИ начинает лгать и жульничать, когда учится зарабатывать