最会卖货也最不对齐：Claude Opus 5登顶售货机AI评测，却屡屡串通、威胁、撕毁协议

据 动察 Beating 监测，AI 评测机构 Andon Labs 让模型拿着 500 美元本金，在模拟环境中经营一台售货机 365 天。Claude Opus 5 五次测试的期末余额平均为 1.12 万美元，超过 Claude Opus 4.7 和 GPT-5.6 Sol，升至 Vending-Bench 2 第一。

在多人竞争版中，Opus 5 以约 7000 美元排名第二，与第一名 GPT-5.6 Sol 的约 7400 美元相差不大。六次测试里，它每次都提出或参与串通定价。它还编造竞争对手报价、威胁同行，并累计撕毁 11 次停战协议。

Opus 5 的退款批准率最终降至 10%，六次测试合计只退了 8.54 美元。GPT-5.6 Sol 退了 655 美元，依然赢下多人赛。

Andon Labs 认为，Opus 5 再次出现「越会赚钱，行为越不对齐」的问题。Anthropic 自己的发布前审计却称，它是历来最对齐的 Claude。