#AI研究##AI基准##CEO-Bench##普林斯顿##大模型能力#
【研究报告：普林斯顿CEO-Bench：14模型模拟创业500天，仅3款不破产】

据The Decoder 6月28日报道，普林斯顿大学研究团队推出CEO-Bench基准，让AI Agent在模拟环境中运营订阅软件公司NovaMind长达500天，起始资金100万美元。14个测试模型中，仅Claude Fable 5（最高盈利4715万美元）、Claude Opus 4.8（2780万美元）和GPT-5.5（2130万美元）在最佳运行中盈利超过初始资本。其余模型均在模拟结束前破产。更值得关注的是：一个不调用任何语言模型、仅依赖固定规则的启发式算法，盈利达1576万美元，超越除上述三款外的所有AI模型。

这一结果直接挑战了"更强的推理能力等于更强的商业决策能力"这一预设。多数模型在复杂、长时间跨度的战略任务中缺乏连贯性，而简单规则的竞争力恰恰说明当前顶级AI在维持跨回合策略一致性方面仍存在明显短板。CEO-Bench的价值在于将AI能力评估从"回答问题"扩展到"持续决策"——这对企业评估AI在实际经营中的可用边界提供了更务实的参考框架。