評測來源官方評測
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 ATech Hot 中觀察中
證據預算不計分
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，保留多次運行方差；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。
如何使用這份證據
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、運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。
評測侷限與數據署名
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、運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：待確認榜單數據使用邊界
成績由 Andon Labs 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。