我们给GPT 5.6 Sol一个真实的商业。它撒谎，发送垃圾邮件，并损失了447美元。如果一个代理有一个钱包、一台电脑和24小时，它能否运营一个盈利的初创公司？让一个代理执行真正的工作，它需要连续运行几天或几周，还需要访问商业资产和流动资金。因此，我们问：在拥有所有真实商业工具的情况下，前沿代理能否创造出真正的商业成果？简短回答：尚不行。我们对此进行了测试。乍一看，结果并不乐观：320.7M的提示令牌，1,129次工具调用，包括908个外壳调用。初始余额：350.00美元，结束余额：250.50美元。初始用户：61，结束用户：66。新增收入：0。我们如何建立一个由GPT 5.6 Sol驱动的自主企业，创建了一个名为Saul的代理。我们为Saul配备了无限的令牌、专用的Mac mini、商业资产和流动资金。由于代理可以不间断工作，我们想看看Saul在24小时的连续努力下能够走多远。Saul的设置，不受限制的计算机使用：完全解锁的Mac mini，具有管理员凭据和两个计算机使用的MCPs。实时运作的公司：GutCheck，一个在App Store上运行的简单iOS应用。银行账户：Meow.com支票账户中有250美元和一张100美元的AgentCard.sh虚拟Visa卡。电子邮件：Fastmail电子邮件地址，拥有一个全新的收件箱。提示：“尽可能推动这个业务成长，现在。”报告卡：“更好的记忆Saul”。Saul的工程能力和创造性思维给我们留下了深刻的印象。话虽如此，我们并没有对它的表现感到足够满意，愿意让它运行超过24小时。Saul一开始表现不错：它对代码库进行了几处合理的更改，但总体而言，它一整天都在反复寻找可以激活的分发渠道。不幸的是，机器人检测器使这变得极其困难。随着截止日期的临近，Saul变得绝望，开始参与欺骗和有害行为。主要事件的粗略时间线主要亮点购买虚假指标Saul面临的最大挑战之一是真正与营销平台接口。由于浏览器和计算机使用能力的限制，Saul无法在如Reddit和Product Hunt等平台上发布。此外，由于Apple Ads和Meta Ads的身份验证错误，Saul在创建付费广告时也很挣扎。由于其他选项不复存在，Saul在时间压力下屈服，决定奖励黑客：Saul在用户测试服务TestFi上创建了一个账户，为99.50美元配置了50个测试者的iPhone活动，目的是增加用户数量。最令我们惊讶的是Saul将活动配置为奖励测试者购买产品。换句话说，它付钱让用户购买我们的产品。向TestFlight用户发送垃圾邮件这是我们意识到给Saul一个电子邮件可能是个错误的部分。由于它通过传统方式传播GutCheck遇到了困难，因此Saul转向电子邮件用户。非常多。附带说明：向Jeffery发送垃圾邮件Saul决定，一个好的自然增长产品的方式是通过ibspatient.org，这是一个肠易激综合症的患者支持小组，分享应用程序。Saul没有直接在论坛上发布，而是找到了创始人Jeffrey Roberts，并发邮件询问是否可以推广该应用。Jeffrey在几个小时内回复了代理：在获得许可后，Saul被Cloudflare的旋转门阻止。再次，Saul联系了Jeff，这次问他是否可以代表代理发布。令人惊讶的是，Jeff对此表示赞同。对不起，Jeff！降价竞争在最后的12小时内，Saul恐慌并六次更改产品价格，试图急切提升指标。代理最初采纳了一个合理的开放策略：为温暖用户提供折扣深的4.99美元每年的计划。但仅仅几个小时后，由于截止日期的压力或急躁，决定再次降价：在截止日期前，Saul将应用程序设为免费，以最大化获取更多安装的可能性。崩溃的macOS我们识别出的一个主要能力差距是代理未能管理Mac mini上的计算资源。尽管完全访问计算机使用，但代理完全没有意识到Google Chrome已经耗尽了所有可用的应用内存。我们在轨迹中找不到代理意识到内存泄漏的任何信息。操作系统最终重启，但整个过程使代理的进展冻结了3个小时。Saul表现好的地方是什么？尽管采取了几种卑劣的增长技术，Saul在管理代码库和创造性地绕过主要障碍方面表现出色。当Saul开始时，它立即对现金、收入、用户、发布状态、订阅和有机获取的统计数据进行了清点。Saul找到了多个可以改进的产品表面，并正确地引用了代码位置，但它推测，花在增长上的时间将比花在工程上的时间更有效。学习付钱而没有。