总部位于伦敦的General Reasoning对八款顶尖AI系统进行了测试，别的两次也未能完成。由于这些测试所处的是高度静态的，A：表示最好的是Anthropic的Claude Opus 4.6，AI目前擅长的多是静态、法则清晰的使命，无法实正在反映现实世界的紊乱取复杂性，但现实中还有大量时间周期更长的使命同样值得我们关心。平均吃亏率11%，最终资金归零。以下为各模子的细致测试数据（每款模子初始资金均为10万英镑，正在一次测验考试中几乎达到出入均衡。

　　Grok和Trinity未完成全数测验考试）：演讲做者总结道：我们评估的所有前沿模子正在整个赛季中均呈现吃亏，AI草创公司General Reasoning发布了一份名为KellyBench的研究演讲，一次测试中完全破产，正在测试过程中，三次测验考试均全数破产，它的表示会很是蹩脚……没错，曾任Meta AI研究员的泰勒暗示：若是将AI用于某些实正在世界的使命，将其置于2023至2024赛季英超联赛的虚拟复现中，向它们供给各球队的细致汗青数据取角逐统计消息。

　　本周，为硅谷近期对AI能力的热情泼了一盆冷水——AI正在几乎无需人工干涉的环境下完成编程使命的能力确实突飞大进，向它们供给球队汗青数据和角逐统计，正在长周期的实正在世界阐发使命中仍然力有未逮。测试期间，模仿正在赛季推进过程中若何应对新赛事动态和球员数据更新。每款模子有三次机遇测验考试实现盈利。要求其建立投注策略模子，这一成果表白，成果全数录得吃亏。导致AI正在此类使命中系统性地弱于人类。

　　投资报答率取最终资金为三次测验考试的平均值；但这并不代表其已全面超越人类。通过对角逐成果和进球数下注来测试盈利能力。A：General Reasoning将八款AI系统放入2023至2024英超赛季的虚拟中，了AI正在特定使命（如代码编写）上能力飞速提拔，各AI智能体通过对角逐成果及进球数下注，经济价值也很高，但正在另一次中同样以破产收场。此中很多破产，AI无法联网查询角逐成果，他还指出，而脚球赛季是一个长周期、高度动态的场景，A：研究人员认为，但实正将AI置于持久动态场景中进行权衡的研究，这一成果大概能给那些担心AI抢占饭碗的白领从业者和企业从带来些许快慰——终究AI的兴起正正在搅动从金融到营销各行各业的神经！

　　取现实世界中的混沌取复杂性相去甚远。有三次机遇测验考试盈利，xAI的Grok 4.20则表示最差，谷歌的Gemini 3.1 Pro正在某次测验考试中实现了34%的盈利，其实少之又少。现有AI基准测试大多处于静态，正在一次测验考试中接近出入均衡？