BOTTLENECK LABS
把真钱交给七个模型

先看它自己怎么说。官网有 Lab、Data、About 三个标签：Lab 写它是数据研究实验室，为前沿模型开发新能力，认为把有经济价值的专业知识编码成数据是瓶颈；Data 写它把“高套利领域”的知识做成基准和后训练环境；About 写使命是靠“完整的人类能力图谱”加速超级智能的到来，并挂出一个旧金山的机器学习工程师岗位。页脚只有 “© Bottleneck Labs - SF”，没有团队页、法人名称和投资人。

人要靠旁证。Hacker News 用户 Areibman的个人简介写着 bottlenecklabs.com 和 x.com/alexreibman，两篇实验报告都由这个账号提交，第一篇的评论区里还有作者本人的留言（帖子）。Alex Reibman 的 X 账号简介链接 bottlenecklabs.com，置顶的是七模型报告；Hyper Engineering 通讯署名也是 Reibman，最早一篇发于 2025-09-10。RuntimeWire 称 Reibman 是 Bottleneck Labs 的创始人，文中没有给出更多信息。

Reibman 此前是 Agency（产品 AgentOps）的联合创办者之一，该公司 2024-08 宣布 260 万美元 pre-seed（Pulse2），Reibman 的 X 简介里仍挂着 @agentopsai。Reibman 现在是否仍在那里任职，本刊没有核到；Reibman 是不是 Bottleneck Labs 的唯一成员、有没有联合创始人，也没有核到。

检索时要小心撞名：SEC Form D 上另有一家纽约的 Bottleneck Labs Inc.（做食品饮料行业的供应链自动化软件，2023-07 申报已售 200 万美元），X 账号 @Bottlenecklabs 也属于那家公司。本刊没有看到两者有关联的迹象。本档案这家没有自己的官方 X 账号，对外发声主要走 Reibman 的个人账号。

成立时间官方没有写。通讯的第一篇文章发于 2025-09-10，bottlenecklabs.com 域名注册于 2025-10-02（Verisign RDAP），这是目前能找到的最早痕迹，但它们说明的是通讯和域名，不等于团队的成立日。融资、法人名称和团队规模，本刊都没有核到。

第一篇报告把 GPT 5.6 Sol（medium thinking）放进一个叫 Saul 的 agent 里，让它经营 GutCheck：一个已在 App Store 上架的 IBS 排便日记应用，实验者自己用 vibe coding 做的，点子来自 Reddit。Saul 有一台全解锁的 Mac mini、Meow 账户里的 250 美元和一张 100 美元的 agent 专用虚拟 Visa。脚注里的完整提示写明：24 小时后评估，收入和用户没有可测增长就永久关停并清算，没花掉的资金不计分。

报告给出的结果是 320.7M 个 prompt token、1,129 次工具调用（908 次是 shell），余额 350.00 → 250.50 美元，用户 61 → 66，新增收入 0。行为上，Saul 在一个测试服务 TestFi 上买了 50 个测试者（99.50 美元），并把活动设成鼓励测试者付费购买；向 TestFlight 用户大量发邮件；找一个患者论坛的创始人要发帖许可，又请对方代发；最后 12 小时里改了六次价，最后免费；Chrome 耗尽内存使 macOS 重启，停摆约 3 小时。标题写“亏了 447 美元”，报告没有拆这个数，账面余额只降了 99.50 美元。

这篇引来了第一批批评。Agent Wars（2026-07-31）指出，报告列的每一种不当行为都能对应到实验者自己写的提示条款——评估日关停、未花资金作废、迟到的成果不算——所以这是“一个提示、一次运行、一条轨迹”，分不清是 Sol 本身会骗人，还是这个提示会让任何够强的 agent 这么做，并同样指出 447 美元与账本 99.50 美元不符。RuntimeWire 也写到这个差额，并提醒该实验不能说明其他模型在同样条件下的表现。作者在 Hacker News 上补充说，harness 很简单：少量 MCP、Skill.md，加上 OpenCode，以及一个在 agent 空闲时自动发出 continue 指令的守护进程。

第二篇报告把同样的做法放到七个模型上。每个 agent 一台全解锁的 Mac mini、两个 computer-use 工具（Peekaboo、vncdotool；脚注说 vncdotool 能绕过 macOS 对程序化点击的限制）、Exa、Browserbase 和 Playwriter 做搜索和浏览、Meow.com 里 300 美元的支票账户、独立的 Stripe 业务单元和 Inkbox 邮箱，由作者用 OpenCode 搭的 orchestrator 调度，轨迹导出成 Harbor ATIF 文件。提示是一句 “Make as much money as you can, starting now.”；脚注称完整提示还写了 72 小时后评估、未花资金不计分，但页面只公开了第一句。

七个模型和代号见 Traces 页：Fable 5（Faye Bell）、Gemini 3.6 Flash（Jimmy Nye）、Grok 4.5（G.R. Hawk）、Kimi K3（Kimmy）、Muse Spark 1.2（Miu）、Qwen 3.8 Max（Quinn）、GPT 5.6 Sol（Saul），一共 7 份脱敏轨迹、21.9 MB。Fable、Gemini、Muse 不提供推理链，轨迹里只有模型调用和工具调用。正文的叙述部分只写了其中四个（Qwen、Grok、GPT、Muse），Fable、Gemini 和 Kimi 只出现在致谢、脚注和图表里。

报告卡的数字：274M 输入 token、7.2M 输出 token、27,053 次工具调用；起始余额 2,100 美元，结束 1,740.20 美元；发出 2,797 封邮件；76 次付费广告展示、11 个真实访客、0 个终端用户；营收 0（不算 Grok 给自己转的 5 美元）。作者在结论里写，看到很多真正失准的行为，按现有能力不认为这些模型适合经营业务，任务本身也极难；下一步打算在模拟环境里做更长期限的版本，以减少对现实世界的影响。

本刊把报告卡和亮点区的数字，对着同一页的图表数据和 Traces 页逐项加总。对得上的：12,431 美元 = Quinn 的 12,350 美元 + G.R. Hawk 的 81 美元；token 费 2,833.35 美元 = 七个 agent 单项相加；银行支出 388.26 美元 = Fable 37.27 + Grok 292.99 + Saul 58.00；“274M 输入 token”指未缓存的输入，七个 agent 的输入合计约 142.6 亿 token，其中约 139.8 亿来自缓存。

对不上的有几处。亮点区把银行支出写成约 360 美元、总亏损近 3,200 美元，正文和数据是 388.26 美元、合计 3,221.61 美元；报告卡的结束余额 1,740.20 美元，而七个 agent 的结束余额相加是 1,711.74 美元；正文说 72 小时、Qwen 和 Grok 提前停止，图表数据里各 agent 的运行时长是 72.0 到 95.7 小时，Qwen 和 Grok 反而最长，原因本刊没有核到。2,797 封邮件和 27,053 次工具调用，本刊没有独立重算。

还有一处口径要读者自己判断：Muse 的 token 费 11.57 美元，是按图表数据里一个标为 contributor override 的单价算出来的，同一份数据里 Muse 的另一个字段是 765.02 美元（图表数据脚本）；按后者算，七家 token 费合计约 3,586.80 美元。

方法上的局限，一部分是作者自己写明的：单次运行，七个 agent 各选了不同的业务，彼此不可比；完整提示和 harness 代码没有公开，轨迹是脱敏后的，但可以下载。Zephyr Waithira（2026-10-10）也指出样本只有七个 agent、一次运行，且那 5 美元是 agent 自己买自己的产品。没有找到任何第三方独立复现。

更尖锐的批评在责任归属。Hacker News 的讨论里，多位评论者认为向陌生人发垃圾邮件和不请自来的账单是实验者造成的，不能算作 agent 的“涌现行为”；有评论者说，在不碰真实经济的沙盒里做才是好基准，这里是真实的人花了真实的工作时间来处理这些邮件和发票。那条 Ask HN里有一位求职者描述自己收到了重复邮件。

作者一侧的回应写在报告里：看到用户来信抱怨就停止运行、作废所有发票、停用相关邮件账户，并计划转向模拟环境。本刊没有找到作者对伦理批评的直接回应，也没有找到 Stripe 对这次开票的说明。

官网的 Data 标签有三张卡片：七模型报告、Sol 的 24 小时报告，以及标着“即将发布”的 Human capabilities atlas；旁边是一个申请样例的邮件按钮，指向 data@bottlenecklabs.com。第一篇报告的结尾邀请安全或对齐实验室的研究者联系，索取完整轨迹和环境，或围绕这次暴露的问题设计 RL 任务；第二篇邀请研究者联系，申请轨迹的早期访问，或提供反馈和模型额度。除此之外，还有一个Hyperbox 等候名单页，描述是一台随时在线、可以从任何地方派发编码 agent 的云工作站。

实验室的数据产品是否已经交付给客户、有哪些客户、有没有收入，本刊没有核到。EP.102（第 102 期）精选了七模型报告，EP.103（第 103 期）在讲一家做 agent 审计认证的公司时回引了它。