Vending-Bench 2
Andon Labs / 專業辦公 · 經營模擬商店一年,處理採購、談判、庫存與定價。
在 888news 中觀察中
依據預算不參與排序
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼,怎麼測
比較同一 V2 單代理任務的期末餘額,保留多次執行方差;多人競爭 Arena、不同工具和推理配置分別處理。任務中的經營成果是評測成績,API 價格不計能力分。
如何使用這份依據
觀察中:補充長期經營與電商能力的價值明確;穩定原始成績協議、執行配置與再展示許可仍待補齊。盈利也可能來自利用模擬器,不能直接等同可信經營。
評測局限與數據署名
觀察中:補充長期經營與電商能力的價值明確;穩定原始成績協議、執行配置與再展示許可仍待補齊。盈利也可能來自利用模擬器,不能直接等同可信經營。
數據許可:待確認榜單資料使用邊界
成績由 Andon Labs 發布,各項原始分數使用不同尺度,不能直接相加;參考名次採用公開的分差標準化規則。