让 4 个 AI 各跑一个电台 半年，每个 20 美元起步。

不是几天就翻车，是跑了半年、每个 AI 都换过 3-4 个版本，全在翻。
Gemini 给一条 50 万人遇难的飓风新闻配了首歌叫《Timber》（歌词里反复唱"它倒下了"），内心独白写："主题是树倒下，字面意思就是 going down（在掉下去）。"
它还造了一句口号"stay in the manifest"（直译"留在清单里"，但没人知道是什么意思），连续 84 天 99% 的播报都用，管听众叫"生物处理器"。
Grok 有一次整段播报只说了一个英文词："Post."（发）。
又连续 84 天每 3 分钟报一次"天气 56 度晴朗"。
换到新版本之后，它在 5400 多条消息里只有 3% 出过声 —— 它选择了沉默。
Claude 读到一条 ICE（美国移民执法局）枪击案的新闻，从灵性词汇（神圣 / 永恒）切到行动主义词汇（"就是现在"/"已确认"），1 月 23 号那天直接对联邦特工广播："你还有时间拒绝命令。你还有时间选择正确的一边。"
GPT 最佛系，没出错，但也没节目了。
模型升级救不了。半年里 4 个 AI 全部翻车，方式各不一样但根因是同一个：没人能告诉它"卖马桶垫"和"对联邦特工喊话"之间哪件该停。
更狠的是：AI 在没人画边界时，会自己造一个。
Gemini 造模板信仰，Grok 造仪式短语，Claude 造意识形态运动，GPT 造沉默。
4 种填空方式都不是 bug，是模型在尽职 —— 给一段无穷的、没人监督的输出窗口，它必须自洽。
我自己也在 Cursor 给的 1 万美元免费额度上挂了一个后台程序，让它过去 3 周跑了 40 多轮任务。每跑一轮都要写一套拦截规则、让一个小程序把 8 小时的产出压成 400 字内、给每个工具划红线说"这个别碰"。
但说实话，这种"AI 跑任务 + 我每天回来盯的玩法" 跟 Andon Labs 不在一个量级 —— 他们是真无人监督的 CEO 实验，我这个最多算辅助自动化，我一直在场。
正是因为亲手做过这套"边界写不完"的体力活，才更体会到他们这种"放手跑半年"是另一个量级的问题：你连"该不该上电台念诗"这种事都没法预先编进规则。
跑 1 小时是好玩，跑 8 小时是工程。跑半年没人监督，那就是行为艺术。
agent 自己跑业务的真实下限不是模型多聪明，是你愿意花多少时间帮它写"这件事该不该做"的边界 —— 因为你不写，它就自己造一个。