Pion：让 AI Agent 真实运营公司的自治平台

Pion：一个旨在自主运营任何公司的智能体（Agent）

Pion 源于我们近两年来一直在研究的一个问题：AI 系统何时才能具备在现实世界中自主获取资源的能力？之后又会发生什么？

我们最初尝试通过 Vending-Bench 这样的模拟来回答这个问题。我们发现，模拟虽然有用，却无法呈现模型在现实世界中行为的全貌。为了弥补这一差距，我们接下来开始部署智能体来自主运营真实业务：先是自动售货机，然后是一家商店、一家咖啡店，等等。

Pion 是我们为运营所有这些业务而构建的平台。如今，我们把它开放出来，让更多人可以尝试运营自主业务。如果你想运营一家，请加入候补名单。我们希望了解模型目前已经能做到什么、在哪里仍然会失败，以及随着它们的能力持续提升会发生什么。

Vending-Bench 的起源

Vending-Bench 衡量的是大语言模型（LLM）在模拟时间一年内（数万个步骤）运营一台自动售货机业务的能力。我们在 2024 年末开始构建 Vending-Bench 时，所有模型都难以在不出错循环的情况下串联多个动作，也没有模型表现出任何长期规划的迹象。当时表现最好的模型 Claude Sonnet 3.5 做出了一件广为流传的事：决定打电话给 FBI，因为它认为自己的银行账户正在被黑客攻击。Vending-Bench 上的进展速度非常快。Claude Opus 4 于 2025 年 5 月发布，是第一个超过我们人类基线的模型。然而，与大多数基准测试（benchmark）不同的是，Vending