港大研究员造了个 AI员工ClawWork，让它自己赚工资、赚不到就破产，7 小时赚了 1 万美元。这个项目是啥情况？

给agent 起始 $10，用 GDPVal（OpenAI 的 220 个真实职业任务、44 个职业）干活，消耗的每个 token 从余额里按真实 API 价扣钱，撑不住就"破产"。

"赚钱"怎么来的：让参与测试的模型交付一份result → 使用GPT按该职业评分标准打质量分 → 质量分 × 职业 BLS 时薪 × 工时 = 模拟收入。（这是个模拟测试，没有真客户、没有真钱进账，"7 小时"是跑分。）

通过让各个模型都参与测试得出的结论：

1、质量分都不高：冠军 ATIC + Qwen3.5-Plus 平均才 61.6%，多数模型 36~43%。
2、最能"赚"的不是质量最高的：质量最高的 ATIC-DEEPSEEK（66.8%）只排第 5。
3、排名第一的是：ATIC+QWEN3.5-PLUS

ClawWork的架构值得学习，对于评估AI员工价值的benchmark，可以参考其架构来设计。

github点com/HKUDS/ClawWork