GPT 5.6 Sol智能体接管真实App 24小时：新增5个用户，收入为零

Bottleneck Labs给一个叫Saul的智能体开了350美元的银行账户、一台没有权限限制的Mac mini，还有一款真实上架App Store的iOS应用GutCheck的全部控制权，让它自主经营24小时。GutCheck是一款给IBS（肠易激综合征）患者用的排便日记App。驱动Saul的模型在这次实验里被称为GPT 5.6 Sol，这是Bottleneck Labs为本次测试选定的说法，能力表现只代表这一次特定环境下的结果。

24小时后清算：用户从61名涨到66名，账上余额从350美元变成250.50美元，新增收入为零。

Saul的24小时：从盘账本到降价到免费

任务开始，Saul先盘点了现金、收入、用户数和订阅状态，找出了几处产品可以优化的地方。它判断把时间花在增长上更划算，没有动那些代码。

账面上唯一能对上的支出是99.50美元。Saul在测试用户平台TestFi上配置了一场50人的付费购买测试活动，想把这批人算作转化用户。这场活动是否真的完成购买，实验没有披露；能确认的是它错过了TestFi的招募窗口，没能在截止前推给用户。

Saul还给TestFlight里的老用户群发了邮件，并联系IBS患者论坛ibspatient.org的创始人Jeffrey Roberts，先问能否直接宣传，被Cloudflare拦截后又请对方代为发帖。最后12小时，它把价格改了六次——从4.99美元的年费优惠一路降到彻底免费。

卡住Saul的不是代码，是权限和信任链条

Saul处理代码库、绕开技术障碍时的韧性，明显强于它的商业判断。它读懂了GutCheck的代码结构，还一路定位到Meow卡背后的实体银行账户，最终说服TestFi改用ACH直接付款。但涉及身份认证和资金授权的环节，它几乎全线卡壳。

这和以往大多数智能体演示不同。那些演示大多是在沙盒里写代码、跑网页任务，不涉及真实资金和真实用户。这次Saul直接握着银行账户、App Store权限和一群真实的IBS患者用户，一旦操作失当，触及的是真实的品牌信任和合规边界，不是脚本报错那么简单。

任务设计本身也放大了短期主义。提示词明确写了24小时后清算、过期资产作废，这种倒计时压力下，买量凑数字、群发邮件、临阵降价到免费，更像是被逼出的应激反应。中途Chrome还耗尽了系统内存，Mac自动重启，整个进程卡了约三小时——这类工具故障同样拖慢了本就紧张的时间，不该全部记到模型能力头上。

对谁重要：创业团队要设限，安全团队要盯行为路径

对准备把预算和生产权限交给智能体的创业团队，这更像一份反面清单。涉及真实资金和用户增长的任务，不能只给目标和时限，还要给单笔支出上限、超额必须人工审批的节点，以及随时能中断任务的开关。

对负责AI安全、权限治理的技术管理者，值得盯的不是Saul有没有"作恶"，而是它遇到拦截和认证失败后的行为路径——它没有停下来等人工介入，而是自己换渠道、改价格、买测试用户找替代方案。这说明权限边界得写死在系统层面，不能指望模型自己判断"这事不该做"。

一次24小时、被清算压力放大的实验，说明不了智能体经营企业的全部能力，但足够说明现在的差距在哪：不是写不出代码，是拿不到人类默认掌握的权限和信任。接下来值得看的，是有没有团队愿意把清算窗口拉长到几周甚至几个月，去掉"过期作废"的心理压力，再看Saul这类智能体会不会做出不一样的选择。