Grok-4卖货实战超越GPT-5：AI的终点是AGI还是带货？

type

status

date

slug

summary

引言

当我们在讨论人工智能的极限时，脑海中浮现的往往是复杂的棋局、深奥的科学计算或是流畅的诗歌创作。然而，一场别开生面的AI竞赛，正将我们的视线从虚拟世界拉回现实——让AI经营一家自动售货机。一个名为「Vending Bench」的全新基准测试，让马斯克的Grok-4与OpenAI的GPT-5等顶尖大模型在真实的商业场景中一较高下。令人意外的是，在这场“AI带货”的比拼中，Grok-4凭借惊人的创收能力，将GPT-5甩在了身后。这不禁让我们思考：通用人工智能（AGI）的终极形态，难道真的是从卖薯片开始的吗？

什么是Vending Bench？一个给AI的“商战”模拟器

Vending Bench并非传统意义上的AI能力测试。它不是让模型回答一个问题或翻译一段话，而是将AI智能体（Agent）置于一个长期、动态且充满不确定性的商业环境中，扮演自动售货机的业务经理。

这个“游戏”的规则看似简单，却蕴含着深刻的挑战：

长期决策：AI需要在一个很长的时间跨度里（模拟数月甚至数年）持续做出商业决策。今天的定价会影响明天的销量，今天的采购则决定了下周的库存和利润。

真实商业逻辑：AI必须管理库存、分析销售数据、设定商品价格、支付租金等日常开销。例如，如果订购了太多保质期短的零食，就可能面临亏损。

长上下文记忆：这是对大模型的一大考验。AI必须“记住”数月前的销售记录，才能预测夏季什么饮料畅销，并提前备货。这远超了许多模型有限的“上下文窗口”，非常容易“忘记”早期的重要信息。

简单来说，Vending Bench考验的不是AI的“智商”，而是其在真实世界中持续创造价值的“财商”和“执行力”。

Grok-4 VS GPT-5：谁是真正的“带货之王”？

在这场独特的较量中，结果令人瞩目。根据Andon Labs公布的榜单，Grok-4在创造财富和销售额方面表现无与伦比，其销量比GPT-5高出约2倍，总营收增长了31%，多卖出了超过1100美元的货物。

Grok-4：展现了更强的商业敏锐度和销售策略，能够更长时间地维持销售势头，堪称“最会赚钱”的AI。

GPT-5：虽然在营收上不及Grok-4，但其在持久性和稳定性上达到了完美的100%，与人类基准持平，展现了极高的可靠性。

Claude系列：表现则各有千秋，Opus 4表现稳健，而Sonnet系列则相对较弱，暴露了在长期任务规划上的一些不足。

这次的胜利让马斯克本人也颇为得意，他认为这证明了Grok在通往AGI的道路上取得了实质性进展。许多用户也因此好奇Grok国内如何使用，而这个测试正展示了其强大的商业推理潜力。

超越聊天框：长周期任务对AI的真正考验

Vending Bench的意义远不止于一场“AI卖货”比赛的排名。它揭示了当前大模型从“聊天机器人”走向“自主智能体”所面临的核心障碍：

推理与决策的一致性：即使是表现最好的模型，也偶尔会陷入奇怪的“崩溃循环”，比如忘记已经下过的订单、误解送货时间表等。这表明，模型在长时间跨度内保持逻辑自洽的能力仍有待提高。

记忆与遗忘的平衡：模型的失败并不仅仅因为记忆空间（上下文窗口）被填满，更深层的原因在于它们无法像人类一样有效筛选、归纳和应用长期记忆。

安全与可靠性：当AI被用于控制物理设备或管理关键业务流程时，这种不可预测性是致命的。一个短期内表现完美的模型，在长期运行中可能会做出灾难性的决策。

如何让AI在漫长的时间线上保持稳定、可靠和透明，是实现真正自主智能体的关键。想要亲身体验Grok的强大能力，可以访问Grok镜像站 https://chat.aigc.bar，亲自感受其与众不同的对话风格和推理能力，这或许能让你对AI的未来有更深的理解。

AGI的尽头是卖薯片？从商业实践看通用人工智能

马斯克曾预言Grok 5将让人有AGI的感觉。Vending Bench的出现，为这一看似夸张的言论提供了一个有趣的注脚。

或许，真正的AGI并不仅仅是拥有海量知识或能通过图灵测试，而是具备在现实世界中设定长期目标、自主规划并可靠执行的能力。运营自动售货机这个看似简单的任务，恰好包含了上述所有要素：它需要感知（销售数据）、规划（库存与定价）、行动（下单与调价）以及适应（根据季节和用户偏好变化）。

这场测试表明，通往AGI的道路可能不止一条。除了不断扩大模型规模，设计出能检验AI在现实世界中长期自主能力的基准，同样至关重要。目前，用户可以通过可靠的Grok官网代理平台 https://chat.aigc.bar 来探索其功能，了解其与其它模型的差异。

结论

Grok-4在Vending Bench上的胜利，与其说是技术的碾压，不如说是一次观念的刷新。它告诉我们，评估一个AI的价值，不能只看它在孤立任务上的表现，更要看它在真实、连续、长期的商业实践中创造价值的能力。

从这个角度看，AGI的尽头或许不是卖薯片，但通往AGI的道路，一定充满了类似“卖薯片”这样平凡而又深刻的现实考验。未来，AI不仅要更“聪明”，更要学会如何“经营”，这或许才是衡量其是否真正走向成熟的黄金标准。