Mento VC 发布 SAB 基准：AI 做尽调已近满分，预测创业公司增长却输给一条简单规则

AI 能不能当风投分析师？风投机构 Mento VC 给出的答案是：干活很快，算命不行。

Mento 公开了自家的 Startup Agent Benchmark（SAB），截至 10 月共测了 OpenAI、Anthropic、Google 等四家厂商的 14 款模型。基准分两部分。研究部分有 960 道任务，覆盖产品与客户、市场与 why-now、竞争、牵引力、项目筛选等六类分析师工作流，一半用合成公司、一半用 Mento 真实公司库的冻结快照，按 4560 条评分标准打分，并要求在证据缺失时如实回答「unknown」。

这部分成绩相当亮眼。Claude Opus 5.5 以 97.2 分居首，但与第二名的差距在统计上并不显著；筛选和产品类任务几乎所有模型都接近满分，拉开差距的是市场规模测算和竞争分析。同时所有模型都会编造，最好的模型也有约 9%–10% 的情况在材料里没有答案时硬编；单题成本从 0.003 美元到 0.36 美元不等，贵不等于好。

反转在预测部分。101 组、每组 100 家隐去名字的私有公司，给定基线期信号，让模型不借助工具预测未来 90 天和 180 天谁的增长势头最强。结果，按此前员工人数增速排序的简单规则得到 ρ = +0.058，而跑完全部组别的 13 款模型得分在 −0.160 到 −0.003 之间，全部输给这条规则（Grok 4.6 因超时只完成 9 组被剔除）。一个重要原因是模型普遍偏爱大公司，而样本里小公司的流量增长恰恰更快。

当然，结论对目标定义很敏感：如果只看员工增长，所有模型都是正相关，多数还高于规则；控制公司规模后，GPT-5.6 Terra、GPT-6 Sol 等也显著跑赢基线。但这恰好说明问题——预测未来本身就依赖你怎么定义「增长」。

对投资机构来说，SAB 的启示很务实：把 AI 放在研究、筛选、整理上，效率提升立竿见影；把「谁会跑出来」交给模型的直觉，目前还不如一张招聘曲线可靠。