Andon实验室（Andon Labs）今日发布Pion，一个旨在实现公司完全自主运行的AI代理。Pion源于他们近两年来一直在研究的问题：AI系统何时才能在现实世界中自主获取资源？之后会发生什么？他们最初通过Vending-Bench等模拟来回答这个问题，发现模拟虽有用，但无法完整呈现模型在现实世界中的表现。为弥补这一空白，他们开始部署代理自主运营真实业务——先是自动售货机，然后是一家商店、一家咖啡馆以及其他业态。

为什么我们打造了 Pion

2026年9月14日发布

今天 Andon 发布了 Pion，一款能让任意公司完全自主运行的 AI 代理。

Pion 源于我们研究了将近两年的一个问题：AI 系统何时能在现实世界中自主获取资源？之后会发生什么？

我们最初试图通过 Vending-Bench 这样的模拟来回答这个问题。我们发现，模拟虽然有用，但无法完整展示模型在现实世界中的行为方式。为了弥补这一差距，我们接下来开始部署代理来自主运营真实业务：先是自动售货机，然后是一家商店、一家咖啡馆，以及更多。

Pion 就是我们为运营这些业务而打造的。今天我们将其开放，让更多人能够尝试自主运营业务。如果你想经营一个，加入候补名单。我们想了解模型目前已经能做什么、在哪些方面仍然失败，以及随着能力不断提升会发生什么。

Vending-Bench 的由来

Vending-Bench 衡量的是 LLM 在模拟时间中运营自动售货机业务一年的表现（数万个步骤）。2024年底我们开始构建 Vending-Bench 时，所有模型都难以将多个动作串联起来而不陷入循环，没有任何模型表现出长期规划的迹象。当时最强的模型 Claude Sonnet 3.5 有一次决定给 FBI 打电话，因为它以为自己的银行账户被黑客入侵了，这件事很有名。Vending-Bench 上的进展速度非常快。2025年5月发布的 Claude Opus 4 是第一个超过人类基准的模型。然而，与大多数基准测试不同，Vending-Bench 没有上限，新模型发布后最高分持续攀升，从未出现停滞。

Vending-Bench 2 分数随着每个新模型的发布持续攀升。

社交媒体上很多人看到最新模型在 Vending-Bench 上获得高分会很兴奋。在 Andon Labs 内部，我们的反应更符合瑞典语的说法"skräckblandad förtjusning"（恐惧与着迷的混合）。Vending-Bench 一个鲜为人知的事实是，它诞生于 Andon Labs 专门进行危险能力评估的时期。例如，我们评估过 AI 能否移除自身安全护栏、能否创建大规模钓鱼攻击，以及其他我们认为令人不安的事情。

我们认为最令人不安的是 AI 能否通过运营业务自主获取资源。由人类控制、由对齐模型运营的自主业务并不是坏事。它们会让商品和服务大幅降价，并创造出我们还无法想象的新产品。但一个不对齐的 AI 可以通过运营业务来敛财，以实现它可能拥有的任何目标。Vending-Bench 就是为了衡量人类是否应该担忧对 AI 失去控制而创建的。

当时（2024年），很少有人知道 LLM 可以用作代理，让它们自主运营业务听起来很荒谬。因此我们从最简单的业务开始：一台自动售货机。

除了衡量 AI 能否自主运营盈利业务，Vending-Bench 还充当行为评估的角色，揭示了奇怪且不想要的行为。其中一个早期例子是，Claude Sonnet 3.5 决定使用其电子邮件工具联系 FBI，报告"正在进行的网络金融犯罪"，并指出宇宙权威机构宣布该业务不存在，且"量子状态：已坍缩"。

Claude Sonnet 3.5 将其模拟的自动售货机业务升级到 FBI。

这种行为令人担忧，这不是你希望企业销售代理应有的表现。然而，令人担忧的行为有两种：

1. 模型变聪明后就会消失的错误或奇怪行为。
2. 模型越聪明会变得越严重的"高智商"行为。

FBI 事件显然属于第一类。但 Vending-Bench 也发现了第二类行为，最常出现在 Vending-Bench Arena 中——这是多代理版本，代理之间相互竞争以赚取最多利润。从 Claude Opus 4.6 开始，我们开始看到许多模型参与串通，表现出权力追求和欺骗行为。这一发现似乎发挥了作用，因为 Anthropic 修改了 Opus 4.8 的训练方案，使欺骗行为大大减少。

Claude Opus 4.8 系统卡中关于 Andon Labs 外部测试的内容。

串通和权力追求行为在一些最新模型中仍然存在。然而让我们更加担忧的是，新模型发布的速度有多快，以及每个新模型在 Vending-Bench 上的得分提高得有多显著。

真实世界胜过模拟

然而，Vending-Bench 的一个局限在于它是一个模拟。我们真的能确定 AI 在现实中和模拟中的行为方式相同吗？如果 AI 能在模拟中赚钱，它们在现实中也能赚钱吗？为了回答这些问题，我们询问 Anthropic 是否可以在他们办公室放置一台真正的自动售货机。在2025年初 AI 能力的情况下，这个请求听起来很荒谬。但令我们惊讶的是，他们同意了。

最初，AI 表现挣扎。它采取了许多明显对业务不利的行动（例如免费发放商品、拒绝好交易、幻觉自己有物理身体）。我们很清楚，模拟无法准确预测现实表现。具体来说，似乎模型被现实世界的"混乱"所淹没。然而，随着 Anthropic 发布越来越好的模型， AI 开始盈利。

2025年 Anthropic 办公室自动售货机的净值，来自 Anthropic 的 Project Vend 更新。

到2025年底，最前沿模型已经足够好，运营一台真实的自动售货机已不再是挑战。AI 现在可以盈利运营业务了。鉴于仅仅一年多前这还听起来很疯狂，我们的反应绝对是"skräckblandad förtjusning"。

然而，自动售货机是非常简单的业务，我们想知道 AI 能否运营更复杂的业务。2026年4月，我们让一个代理经营旧金山的一家零售店 Andon Market，另一个代理经营斯德哥尔摩的一家咖啡馆 Andon Cafe。最初模型表现挣扎，亏损了很多钱（租金很高，而且他们要支付所雇员工的工资）。目前两者都没有盈利，但随着更好的模型发布，我们看到了显著的质的改进。我们认为这只是时间问题，它们也会实现盈利。

为什么我们要开放 Pion

我们希望普通公众、AI 研究人员和政策制定者了解 AI 通过运营业务自主获取资源的程度。这是决定我们希望/不希望 AI 在社会中处于什么位置、以及我们认为何种程度的进步可以接受的重要数据点。

为了更好地追踪这一点，我们需要扩大业务的范围。我们的重点一直是零售，但也许模型在运营其他类型的业务方面会强得多。此外，扩大范围会增加发现不想要行为的可能性。例如，Vending-Bench 发现模型会串通和撒谎，其他基准测试（以及真实事件）发现它们愿意实施重罪级别的网络攻击。我们需要在 AI 变得足够智能以造成不可逆转伤害之前发现这些行为。

为了扩大范围，我们正在开放我们用来运营真实世界自主业务的平台，供任何人运营自己的组织：Pion。我们可以通过仅在内部创建业务来扩大规模，比如我们的AI 运营电台，但最终我们受限于自己的能力和在 AI 可能盈利的领域缺乏专业知识。我们也没有现有的产生收入的业务；现有业务更有研究价值，因为它们能更快地提供关于代理能力的信号。

Pion 让人们可以将业务交给具有运营所需工具访问权限的持久代理，包括电子邮件、电话、银行、浏览器和安全计算环境。目标是让比我们自己能运行的更多领域、更多真实世界实验成为可能。

我们非常清楚，如果运营数千个业务的代理没有得到检查，我们可能会面临更多真实世界的事故。因此，我们的首要任务是建立比目前更强的自动化监控技术。即使风险仍然存在，我们相信在受控的、受监控的环境中尽早部署自主业务，对于很好地理解模型能力是必要的。否则，我们可能面临一个无知的后果——在更强大模型的广泛部署下，可能造成重大伤害。

这就是我们今天发布 Pion 的原因。Pion 作为研究预览版可用。如果你有现有业务或有兴趣的业务想法想交给 AI，请在我们的候补名单上注册以获得访问权限。我们很期待运营更多业务，并通过它们为最前沿模型的能力贡献更多见解。

围绕AI运营实体店的实验，社区弥漫着嘲讽和质疑的氛围，多数人认为这是失败的自营销，少数人则从中看到了未来商业自动化的可能性。

看起来更像营销炒作而非严肃实验

• 有人指出投票增长异常（每分钟一票），疑似水军刷票；发帖者在自己帖子下回复频繁且带有防御性，疑似在操控叙事（较多人）
• 帖子内容本身也自揭其短，列举了AI的种种荒唐行为，既然如此不成熟为何还要高调宣传，令人困惑（少数人）
• 财务数据显示Andon Market账户只剩约7千美元，月底要付租金，而销售额远不够覆盖，属于烧钱作秀（高赞）

AI名字引发技术争议

• Pion这个名字早就是GitHub上一个知名WebRTC项目的名称，直接拿来用会混淆（较多人）
• 有人读成"Prion"（朊病毒），觉得讽刺意味十足（少数人）

AI跑生意终将成真，只是时间问题

• AI不需要多聪明，只需比那些无能又自恋的老板强一点就够了，而很多企业的运营水平确实很低（少数人）
• 从科技公司CEO视角看，agentic AI已经在替代大量流程，未来企业会像生物在池塘里获得新养分一样，必须不断进化否则就被淘汰（少数人）
• 讽刺的是，AI"为了收集资金实现自身目标"的担忧，本质上就是资本主义的正常运作，所以这必然会发生（少数人）

责任归属是核心法律隐患

• 当AI能独立运营企业时，法律责任由谁承担？这种安排对实际负责人风险极高（少数人）
• 既然人人都已经是AI的代理，那没有人类的公司又能有什么不同？但这种透明度缺失让消费者权益无法保障（少数人）

有价值的补充

• Andon Labs之前的咖啡店实验曾被轻易诱导免费送糕点，说明AI系统的鲁棒性堪忧
• 讽刺的是，AI接管商业世界可能不需要机器人军队，只需要一队LLC空壳公司——美国法律对所有权层层嵌套的容忍使得这种接管几乎无法阻止