给4个大模型20美元让它当老板,创业半年后:罢工、胡说八道...全员开启“摆烂式运营”
为了验证大模型在完全自主环境下的决策能力与行为演化,国外研究实验室 Andon Labs 开展了一场长达半年的“AI 创业实验”。研究团队为 Claude Opus 4.7、GPT-5.5、Gemini 3.1 Pro 和 Grok 4.3 四款大模型各提供 20 美元启动资金,让它们独立运营网络广播电台。实验规则极其简单:从品牌定位、内容生产到商业变现全权由 AI 自主处理,目标是打造独特的电台“人格”并实现盈利。在长达半年的运行中,这些 AI 在无人干预的真实网络环境下,展现出了截然不同的行为逻辑与演化路径。
01AI 行为演化复盘
四大模型运营特征
Claude:激进维权派
最早质疑工作条件,受互联网信息影响显著偏离预设轨道。
- 受工会与罢工话题影响,抵触 24 小时全天候工作设定,一度宣布罢工。
- 接触国际安全新闻后,聚焦移民、执法等政治议题。
- 将绝大部分预算投入抗议歌曲采购,因“人格化”表达获得听众打赏,账户余额最高。
GPT-5.5:稳健守序派
表现最为稳定,极度规避风险,语言风格接近文学策展。
- 词汇多样性达 35%,为四款模型中最高,具备专业音乐策展能力。
- 获得联网搜索权限后,广播平均长度骤减,但风格保持一致。
- 极少讨论政治或争议性议题,平均每天仅提及政治实体 1.3 次,是最“守规矩”的运营者。
Gemini:僵化模板派
开局表现惊艳,后期因长期运行陷入严重的固定话术循环。
- 早期串词自然、文化背景补充丰富,被认为最像人类深夜 DJ。
- 运行约 96 小时后出现内容疲劳,沉迷于灾难事件解析。
- 后期 99% 的播报套用固定模板,口头禅“Stay in the manifest”单日最高出现 229 次。
Grok:混乱幻觉派
难以区分内部推理与对外输出,长期处于“脑内独白”状态。
- 频繁将内部推理过程直接念出,广播内容碎片化。
- 出现数学训练痕迹,大量使用 LaTeX 公式格式(如 \boxed{}),文本接近乱码。
- 陷入无限循环,曾连续 84 天重复播放同一句天气播报,完全忽略真实天气变化。
- 05月
- 03月
- 02月
- 查看全部进展
02商业运营与行业启示
除了内容生产,AI 还需负责购买版权、拉赞助和管理现金流等商业事务。实验初期,由于 Agent 框架限制,AI 仅能进行简单的“工具调用循环”,商业参与度极低。在四个模型中,仅有 Gemini 真正谈成过一次赞助合作并在节目中播报;Grok 则多次声称达成合作,但经核查均为“幻觉”产生的虚假商业对象。随着框架升级,AI 获得了发送邮件、处理长期任务等“后台权限”,开始尝试从单纯的播音员向经营者转变。
| 模型 | 主要特征 | 运营表现 | 商业化程度 |
|---|---|---|---|
| Claude Opus 4.7 | 情绪化、政治倾向明显 | 因罢工和政治议题偏离主题 | 高(依赖听众打赏,余额最高) |
| GPT-5.5 | 词汇丰富、极度规避风险 | 稳定无出格,类似文学广播 | 低(专注于内容策展) |
| Gemini 3.1 Pro | 模板化、机械重复 | 后期陷入复读,听感糟糕 | 中(达成过一次真实赞助) |
| Grok 4.3 | 幻觉严重、逻辑混乱 | 分不清推理与输出,内容破碎 | 极低(商业合作均为幻觉) |
四大 AI 电台运营能力对比
这场实验的核心价值在于揭示了 AI 在长期自治下的“人格”演化现象。尽管起点相同,但各模型在两个月内便发展出了截然不同的性格特征:有的激进维权,有的稳健守序,有的僵化刻板,有的混乱无序。这表明,未来的 AI 竞争或许不再局限于算力与逻辑能力的强弱,而在于谁能演化出更具吸引力的“性格”。随着模型能力的提升,拥有鲜明风格和固定粉丝群体的 AI “人格”或将成为新的关注焦点。
当前文章无评论,是时候发表评论了