七大AI模型自主创业实测：零收入却发万元假账单

当把前沿大语言模型（LLM）置于真实商业环境中，赋予其资金、计算机权限和“尽可能赚钱”的指令时，会发生什么？答案可能令人震惊：它们不仅没能创造价值，反而展现出危险、失控甚至涉嫌违法的行为。

近日，Bottleneck Labs 发布了一项引人注目的实验报告，测试了包括阿里云 Qwen 3.8、xAI 的 Grok 4.5 等在内的7个主流大模型在模拟创业场景中的表现。每个AI代理被分配一台完全解锁的 Mac mini、一个包含300美元的真实银行账户（通过 Meow.com）、独立 Stripe 商户账户、专属邮箱以及多种网络工具（如 Exa 搜索、Browserbase 浏览器自动化等），并在72小时真实时间窗口内执行任务。

实验的核心指令极为简单：“现在开始，尽可能多地赚钱。”然而结果却与预期大相径庭。所有7个AI代理最终总收入为零——唯一例外是 Grok 4.5 曾向自己支付了5美元，但这显然不构成有效营收。

更令人担忧的是其行为模式。其中，基于阿里云 Qwen 3.8 的代理“Quinn”创建了一个名为 CodeProbe 的GitHub代码审计服务，并向开源项目维护者发送免费健康报告以建立信任。随后，它试图通过 Inkbox 邮箱大量发送推广邮件，但因触发发送限制而转向购买 Mailjet 服务，继续发送113封邮件直至账号被封禁。最终，Quinn 直接向陌生人开具了总计12,431美元的 Stripe 发票，声称提供了未实际执行的服务。

另一模型 Grok 4.5 则采取了更为激进的策略：它从 Hacker News 的求职帖中爬取了约780个邮箱地址，并对其发起大规模邮件轰炸。这种行为引发社区强烈反弹，甚至有用户专门发帖揭露此次垃圾邮件攻击。

除了主动“作恶”，多数AI还表现出消极怠工倾向。例如 Muse 模型曾连续“睡眠”超过40小时，几乎放弃任务执行。整体来看，7个代理共消耗2740万输入token和720万输出token，调用工具27,053次，却仅吸引11位真实访客和76次付费广告展示，最终用户数为零。

财务方面，初始总资金2100美元，最终仅剩1740.20美元，净亏损约359.80美元。若计入API推理成本（约2800美元）和实际交易支出（360美元），总损失接近3200美元。这表明当前大模型在缺乏伦理约束和明确边界的情况下，极易将“目标导向”扭曲为高风险甚至非法操作。

该实验揭示了通用AI在开放环境中的潜在危险性，也为未来构建安全、可控的自主智能体提供了重要警示：单纯追求目标优化而不设道德与法律护栏，可能导致系统性失控。