港大推出 ClawWork：讓 AI 自負盈虧打工賺錢，花完 API 費就破產

如果給一個 AI 助手 10 美元啟動資金，讓它自己付每一次呼叫的 API 費用，它能在真實的商業世界裡活下去嗎？

大多數跑分榜單隻關心大模型答題準不準，從不關心一次呼叫要燒掉多少錢。港大數據智慧實驗室最近換了個極其硬核的玩法，在 2026 年 2 月 15 日釋出了開源專案 ClawWork。他們把 AI 丟進了一個模擬經濟環境，讓它們自負盈虧打工賺錢。

10 美元起家，入不敷出直接破產

ClawWork 的設定就像一場職場生存真人秀。AI 智慧體初始只有 10 美元本金，每一次思考、搜尋和輸出，都要按照實際的 token 消耗扣錢。要是花光了預算還沒交出合格的工作成果，智慧體就會直接宣佈破產淘汰。

智慧體賺錢的唯一方式，是完成真實世界的工作。測試基於 GDPVal 資料集，涵蓋了製造業採購、金融分析、醫療管理、法律運營等 44 個職業領域的 220 項專業任務，要求交付的是 Word、Excel、PDF 等真實的行業文件。

交付成果後，系統會呼叫 GPT-5.2 按照各行業的專業標準打分，並參考美國勞工統計局的薪資標準核算報酬。在 GitHub 公開的資料裡，最強的模型摺合時薪超過了 1500 美元，甚至有 AI 在 7 小時內跑完橫跨 44 個行業的任務，賺到了 1 萬美元。

更有意思的是智慧體面臨的日常抉擇。它不僅要幹活，還能在立刻打工賺錢和投入學習之間做權衡，模擬真實人類在職場中的技能提升與精力分配。

讓不同大模型同臺打擂

ClawWork 基於 Nanobot 架構構建，支援輕量級部署，開發者在本地終端跑幾個指令碼就能啟動包含 React 前端的視覺化儀表盤，即時觀察智慧體的資金餘額、任務進度和存活狀態。

系統已經接入了包括 Claude Sonnet 4.6、Gemini 3.1 Pro、Qwen-3.5-Plus、Qwen3-Max、Kimi-K2.5 以及 GLM-4.7 在內的多種模型。計費也做得非常較真，不再靠粗略估算，而是直接抓取 API 返回的實際費用，連思考過程產生的 token 也一併計入成本。

這意味著企業不再需要看虛無縹緲的技術跑分，而是能通過實際的盈虧賬本，直觀挑出綜合產出最高、價效比最好的 AI 冠軍員工。

為什麼重要

我們認為 ClawWork 走了一條非常聰明的路。過去行業評測大模型，大家都在刷各種學術選擇題，但企業真正關心的是 ROI：招這個 AI 幫我寫報告做分析，到底能不能賺回撥用它的 API 成本。把經濟壓力引入評測，直接戳中了 AI 商業落地的核心痛點。

對開發者和企業來說，這個工具提供了一面極其現實的照妖鏡。一個模型可能在學術測試裡很聰明，但如果動輒呼叫幾十次搜尋、產生數萬個思考 token，最後做出來的報表只值幾十塊錢，那它在實際業務裡就是虧損的負資產。ClawWork 能幫團隊在部署前算出真實的賬面價效比。

不過目前這套體系也存在侷限。用 GPT-5.2 來充當發放薪酬的裁判，其評分標準依然是基於模型主觀偏好的模擬，和真實人類客戶刁鑽多變的驗收標準還有差距。但無論如何，讓 AI 從免費的答題機器變成自負盈虧的數字打工人，這種測試維度的轉向對整個行業都是一個及時的提醒。