港大推出 ClawWork：让 AI 自负盈亏打工赚钱，花完 API 费就破产

如果给一个 AI 助手 10 美元启动资金，让它自己付每一次调用的 API 费用，它能在真实的商业世界里活下去吗？

大多数跑分榜单只关心大模型答题准不准，从不关心一次调用要烧掉多少钱。港大数据智能实验室最近换了个极其硬核的玩法，在 2026 年 2 月 15 日发布了开源项目 ClawWork。他们把 AI 丢进了一个模拟经济环境，让它们自负盈亏打工赚钱。

10 美元起家，入不敷出直接破产

ClawWork 的设定就像一场职场生存真人秀。AI 智能体初始只有 10 美元本金，每一次思考、搜索和输出，都要按照实际的 token 消耗扣钱。要是花光了预算还没交出合格的工作成果，智能体就会直接宣布破产淘汰。

智能体赚钱的唯一方式，是完成真实世界的工作。测试基于 GDPVal 数据集，涵盖了制造业采购、金融分析、医疗管理、法律运营等 44 个职业领域的 220 项专业任务，要求交付的是 Word、Excel、PDF 等真实的行业文档。

交付成果后，系统会调用 GPT-5.2 按照各行业的专业标准打分，并参考美国劳工统计局的薪资标准核算报酬。在 GitHub 公开的数据里，最强的模型折合时薪超过了 1500 美元，甚至有 AI 在 7 小时内跑完横跨 44 个行业的任务，赚到了 1 万美元。

更有意思的是智能体面临的日常抉择。它不仅要干活，还能在立刻打工赚钱和投入学习之间做权衡，模拟真实人类在职场中的技能提升与精力分配。

让不同大模型同台打擂

ClawWork 基于 Nanobot 架构构建，支持轻量级部署，开发者在本地终端跑几个脚本就能启动包含 React 前端的可视化仪表盘，实时观察智能体的资金余额、任务进度和存活状态。

系统已经接入了包括 Claude Sonnet 4.6、Gemini 3.1 Pro、Qwen-3.5-Plus、Qwen3-Max、Kimi-K2.5 以及 GLM-4.7 在内的多种模型。计费也做得非常较真，不再靠粗略估算，而是直接抓取 API 返回的实际费用，连思考过程产生的 token 也一并计入成本。

这意味着企业不再需要看虚无缥缈的技术跑分，而是能通过实际的盈亏账本，直观挑出综合产出最高、性价比最好的 AI 冠军员工。

为什么重要

我们认为 ClawWork 走了一条非常聪明的路。过去行业评测大模型，大家都在刷各种学术选择题，但企业真正关心的是 ROI：招这个 AI 帮我写报告做分析，到底能不能赚回调用它的 API 成本。把经济压力引入评测，直接戳中了 AI 商业落地的核心痛点。

对开发者和企业来说，这个工具提供了一面极其现实的照妖镜。一个模型可能在学术测试里很聪明，但如果动辄调用几十次搜索、产生数万个思考 token，最后做出来的报表只值几十块钱，那它在实际业务里就是亏损的负资产。ClawWork 能帮团队在部署前算出真实的账面性价比。

不过目前这套体系也存在局限。用 GPT-5.2 来充当发放薪酬的裁判，其评分标准依然是基于模型主观偏好的模拟，和真实人类客户刁钻多变的验收标准还有差距。但无论如何，让 AI 从免费的答题机器变成自负盈亏的数字打工人，这种测试维度的转向对整个行业都是一个及时的提醒。