評価ソース公式サイト
Vending-Bench 2
Andon Labs / 専門業務 · 模擬店舗を 1 年間経営し、仕入れ、交渉、在庫、価格設定をこなす。
AIサイシン での扱い観察中
配分採点対象外
元データの日時未確認
最終同期収集前
何を、どう測るか
同じ V2 単一エージェントタスクの期末残高を比べ、複数回実行の分散を残す。複数人が競う Arena、異なるツール、推論構成は別々に扱う。タスク内の経営成果が評価の成績であり、API 価格は能力スコアに含めない。
当サイトでの使い方
観察中：長期経営と EC 能力を補う価値は明確。安定した元の成績プロトコル、実行構成、再表示の許諾はまだそろっていない。利益はシミュレーターの穴を突いて得られる場合もあり、信頼できる経営と直ちに同一視できない。
評価の限界とデータの出典
観察中：長期経営と EC 能力を補う価値は明確。安定した元の成績プロトコル、実行構成、再表示の許諾はまだそろっていない。利益はシミュレーターの穴を突いて得られる場合もあり、信頼できる経営と直ちに同一視できない。
データライセンス：ランキングデータの利用範囲は確認待ち
成績は Andon Labs が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。