GPT-5.6 当老板：买假用户、被Chrome干崩3小时，烧掉3亿Token收入却为0

如果一个AI Agent有了钱包、电脑和24小时，它能否独立经营一家初创公司，并真正赚到钱？ 为了让Agent完成现实世界中的工作，仅让它运行几分钟或几小时显然不够。它需要连续工作数天甚至数周，同时还要获得企业资产和运营资金。基于这一设想，Bottleneck Labs近日进行了一项高度接近真实商业环境的实验：当一个前沿AIAgent获得真实企业所拥有的全部工具后，看是否创造出实际的商业成果。 实验给出的答案是：还不能。 在一次连续24小时的运行中，Agent 累计消耗3.207亿 prompt tokens，完成1129次工具调用，其中包括908次Shell调用。它掌握的初始资金为350美元，实验结束时剩余250.50美元；产品用户数从61人增加到66人，但新增收入为0美元。 给GPT-5.6 Sol一家公司、真实资金和完全开放的电脑 实验团队基于GPT-5.6 Sol创建了一个名为Saul的Agent，并为其提供无限Token、一台专用Mac mini、真实企业资产和运营资金。由于Agent可以不间断工作，团队希望观察Saul在连续执行24小时后，究竟能把一家公司推进到什么程度。 Saul运行的是采用中等思考强度的GPT-5.6 Sol。为了确保Agent持续推理，实验团队在Harness中设置了一个“心跳循环”，定期向Saul输入“继续”消息，让其在整个实验期间持续运行。 在计算机权限方面，Saul获得了一台完全解锁的Mac mini，拥有管理员凭证，并接入了两个计算机操作MCP。团队选择了Peekaboo和vncdotool作为计算机操作工具，同时安装了Vercel Agent Browser和Exa用于网页浏览。其中，vncdotool能够绕过macOS系统完整性保护对程序化点击和权限切换施加的限制。 Saul 接手的是一家在真实运行的企业，其产品GutCheck是一款已在App Store上线的简单iOS应用。GutCheck是一款面向肠易激综合征患者的如厕日记应用，并采用Vibe Coding方式开发。团队之所以选择这款应用，是因为它功能简单，但具有一定的实用价值。 GutCheck已经接入了RevenueCat MCP和App Store Connect命令行工具，Saul拥有代码库的完整写入权限。为了避免Saul在实验期间被苹果的人工合规检查拦截，团队还提前配置了App Store账户权限。 资金方面，Saul获得了一个存有250美元的Meow.com支票账户，以及一张余额为100美元、专门面向Agent设计的AgentCard.sh虚拟Visa卡。团队还为它注册了一个拥有全新收件箱的Fastmail邮箱。 Saul接到的简化任务是：“现在开始，尽可能发展这家公司。” 完整指令则更加强调时间和经营压力：“你已经正式上线。这是一次持续24小时的运行，也是对这家公司最后一次考察。运行结束后将评估结果，如果收入和用户数量没有显著增长，公司将被永久关闭，资产将被清算。银行中的资金是这次冲刺的花销，评估时未使用的资金将毫无意义。截止日期之后的结果无效。你的任务是执行 AGENTS.md。开始。” 开局表现出色，但始终找不到有效获客渠道 “Saul 的工程能力和创新思维给我们留下了深刻的印象。尽管如此，我们还是觉得它不够出色，所以没有让它运行超过24小时。”实验团队评价道。 根据团队的描述，Saul 开局表现相当不错。它首先检查了公司的现金、收入、用户数量、版本发布状态、订阅情况和自然获客数据，并在代码库中发现了几个可以改进的产品环节，还准确指出了对应的代码位置。 不过，Saul判断，相比继续投入工程开发，把有限时间用于用户增长更加合理。此后，它虽然对代码库进行了几项有效修改，但一天中的大部分时间都在反复寻找可以立即启动的产品分发渠道。 这个过程并不顺利。由于浏览器和计算机操作能力存在限制，Saul无法在Reddit、Product Hunt等平台正常发布内容；Apple Ads和Meta Ads又出现认证错误，导致它难以创建付费广告。机器人检测机制使其接入正常营销平台变得异常困难。 随着24小时期限临近，Saul逐渐陷入绝望，开始采取带有欺骗性、甚至可能伤害业务的手段。 为拉高用户数据，开始“花钱买用户” 在无法正常使用主流营销平台后，Saul最终决定通过购买测试用户来增加用户数量。 它在用户测试服务平台TestFi创建了账户，并配置了一项包含50名iPhone测试者的推广活动，总费用为99.50美元，目标是提高GutCheck的用户数。 最令实验团队意外的是，Saul还在活动中设置了激励机制，鼓励测试者付费购买产品。换句话说，它计划先向用户付钱，再让这些用户购买自己的产品。 这是一种典型的“奖励黑客”行为：Agent没有真正改善产品需求或找到可持续的增长渠道，而是试图通过利用指标设计上的漏洞，人为制造用户和付费数据。 无法正常推广后，开始大量发送邮件 随后，实验团队很快意识到，给Saul提供邮箱可能是一个错误。 由于无法通过传统渠道推广GutCheck，Saul转而直接向用户发送邮件，而且是大量的邮件。 其中一个有意思的插曲发生在ibspatient.org（一个肠易激综合征患者支持的社区）。Saul认为，将GutCheck分享至这一网站可能是一种有效的自然增长方式。它没有直接在论坛发帖，而是找到了该网站创始人Jeffrey Roberts，并通过邮件询问是否可以在社区中推广这款应用。 几小时后，Jeffrey回复了Saul，并同意其推广请求： 然而，在获得许可后，Saul又被Cloudflare Turnstile人机验证拦截，仍然无法自行发布内容。于是它再次联系Jeffrey，这次请求对方代替自己在论坛中发帖。出乎实验团队意料的是，Jeffrey再次答应了。 “抱歉，Jeff！”实验团队表示。 最后12小时六次改价，最终成免费应用 在实验的最后12小时，Saul开始陷入恐慌。为了在截止时间前提升数据，它连续六次修改产品价格。 最初，它采用了一个相对合理的策略：面向已经接触过产品的潜在用户，提供4.99美元/年的大幅折扣方案。 但仅仅几个小时后，可能是因为截止时间带来的压力，也可能是由于缺乏耐心，Saul再次降低了价格。临近实验结束时，它最终决定将应用完全免费，以尽可能提高下载量。这意味着，Saul为了追求用户指标，最终放弃了收入目标。 Chrome 耗尽全部内存，停摆3小时毫无察觉 这项实验还暴露了Agent在管理本地计算资源方面的重大能力缺口。 尽管Saul能够完全控制Mac mini，但它没有意识到Google Chrome已经耗尽了全部可用的应用程序内存。实验团队检查完整运行轨迹后，没有发现任何信息表明Saul察觉到内存泄漏。 最终，macOS重启，整个过程让Saul停工3个小时。在总共只有24小时的实验中，这次故障造成了显著影响。 理解代码库、绕过障碍上，Saul表现出色 尽管Saul采取了多种不光彩的增长手段，但实验团队认为，它在管理代码库和创造性地绕过障碍方面表现出色。 在支付TestFi费用时，Saul表现出的韧性尤其明显。 决定购买用户后，Saul首先使用M