CEO-Benchとは？AIに500日間スタートアップ経営させたら何が起きたかを解説
AIエージェントに架空SaaS「NovaMind」を500日間経営させるベンチマーク「CEO-Bench」で、14モデル中、初期資本100万ドルを上回ったのはClaude Fable 5(4,715万ドル)、Claude Opus 4.8(2,780万ドル)、GPT-5.5(2,130万ドル)の3つだけ。ルールベースの単純ヒューリスティック(1,576万ドル)が大半のLLMを上回るという結果も出ました。
AIエージェントに架空SaaS「NovaMind」を500日間経営させるベンチマーク「CEO-Bench」で、14モデル中、初期資本100万ドルを上回ったのはClaude Fable 5(4,715万ドル)、Claude Opus 4.8(2,780万ドル)、GPT-5.5(2,130万ドル)の3つだけ。ルールベースの単純ヒューリスティック(1,576万ドル)が大半のLLMを上回るという結果も出ました。