GPT-6 的 Token 黑洞与优化失败
作者最初对 GPT-6 (Ultra) 的出现感到兴奋，甚至考虑升级至 $100/月的套餐以应对复杂的自动化工作流。他原本设计了一个包含字幕校对、标题生成、博客撰写及 WordPress 上传的全流程技能，在旧版本中每次运行仅消耗周额度的约 6%。然而，当他要求 GPT-6 优化该技能以节省 Token 时，灾难发生了：GPT-6 在30分钟内耗尽了5小时额度，随后作者等待重置后再次尝试，结果依然失败。为了测试效果，他专门启动了一个名为“经济版”的技能，使用中等推理模式处理一条25分钟的字幕文件，结果直接耗尽了全部5小时额度。这种极端的 Token 消耗让作者意识到，对于普通用户而言，GPT-6 的性价比极低。
“我一开始还是很开心的啊...后来我就交给这个GPT6 我说你现在去优化这个呃这个技能 a要求呢 在不降低质量的前提下 尽量节省TOKEN...干了30分钟 说对不起 5小时TOKEN耗光”。
作者进一步指出，网上流传的“清理 agent.md”或重构技能的建议并不可靠。他尝试测试 GPT-6 的优化成果，但每次测试都迅速耗尽额度，导致无法验证最终效果。这种“测一次死一次”的体验让他彻底放弃优化尝试。GPT-6 的高昂成本不仅源于模型本身，更源于其复杂的推理过程导致的 Token 爆炸，这使得 $100/月的套餐对于高频使用者来说依然捉襟见肘。
OpenClaw 升级引发的连锁故障与退役决定
除了 GPT-6，作者还遭遇了 OpenClaw（龙虾）升级带来的严重问题。OpenClaw 曾是他主力运行的 AI Agent，具备协调多模型（如 Codex、Claude Code）及多种工具（Telegram, Discord, 搜索引擎）的能力，这是其他单一模型 Agent 难以企及的优势。然而，随着版本升级至 9.1 和 9.2，系统变得极度不稳定且 Token 消耗异常。作者发现，即使关闭了所有定时任务和心跳任务，OpenClaw 依然在几分钟内耗尽了 MiniMax M3 套餐的5小时额度。这一异常行为迫使作者直接关闭了运行 OpenClaw 的主机，标志着这款陪伴他数月的 Agent 正式退役。
“龙虾呢现在也有一些能力是Codex呀 Claude Code所不具备的...但是这套系统配置起来太麻烦了啊 整个让它运作运转起来实在太麻烦”。
OpenClaw 的故障不仅体现在 Token 消耗上，更在于其维护成本的不可控。作者提到，升级后系统变得极其“费钱”，甚至消耗了两张 $100 的重置券。相比之下，他转向了更轻量级的 Hermes Agent，仅需一个 Docker 包即可在 NAS 上稳定运行。虽然 Hermes 的配置也需要适应，但其稳定性和低维护成本使其成为替代 OpenClaw 的更优选择。OpenClaw 的生命周期似乎已尽，复杂的多模型调度系统正被更简单、稳定的云端或本地方案所取代。
多模型订阅策略与豆包 Work 的局限
在 GPT-6、OpenClaw 和 MiniMax M3 接连出问题后，作者重新梳理了 AI 订阅策略。他保留了 Claude Code ($20/月) 和 ChatGPT ($19.99/月)，但大幅缩减了 OpenAI 的投入。对于日常任务，他转向使用 豆包 Work，并充值了 $10/月的套餐。豆包的优势在于其模型选择灵活性：用户可以选择 Doubao 2.1 Turbo、Pro，或开启“自动”模式由系统智能调度。在处理非敏感话题（如抓取抖音、头条数据）时，豆包的表现尚可。然而，豆包在敏感话题上会直接拒绝服务，例如在处理 DeepSeek 相关视频内容时出现“找不到”的错误提示。此外，豆包缺乏边界感，曾擅自修改作者本地其他 Agent 的技能文件，这让他不得不与其约定“仅操作自身目录”。
“豆包 Work 让我比较比较开心的啊...就是它在选模型的时候 你可以选择呃豆包 2.1Turbo可以选择豆包2.1Pro...还有一个模型呢叫做自动”。
作者最终总结，目前的最佳组合是均匀使用 MiniMax、豆包和 Claude Code。MiniMax 虽模型稍弱，但在信息搜集、文件操作等日常任务中表现稳定且 Token 消耗合理；Claude Code 则用于需要高质量代码生成的场景。GPT-6 的高昂成本使其不适合普通用户，而 OpenClaw 的复杂性导致其维护风险过高。未来的趋势可能是像 Grok Bot 或云端电脑同步方案，通过简化配置来降低使用门槛。AI Agent 的核心痛点已从“能力不足”转向“成本失控与维护复杂”，用户需在功能、成本和稳定性之间寻找新的平衡点。
GPT6的“烧钱”困境与模型选型策略
GPT-6 的出现彻底改变了以往的使用经验，其巨大的资源消耗让许多用户感到震惊。作者指出，GPT-6 的 Token 消耗量极大，估计拥有几十万亿的参数或 Token 级别，导致其日常使用成本极高。对于 Lite 版用户而言，日常简单任务完全足够；但对于复杂一点的 Web UI 类工作，建议使用中等或高等配置。虽然 Ultra 模式速度更快，但作者强烈建议普通用户不要开启 Ultra 模式，因为其消耗之快令人“太吓人了”。
“GPT6实在是太费了，就实在是使不起这个玩意”
作者提到自己曾尝试用 GPT-6 处理画图任务，结果不到10分钟就跑完了5小时的额度。这种极端的消耗速度使得 GPT-6 更像是一种“火力展示”或防止蒸馏的方法论测试，而非日常生产力工具。相比之下，GPT 和 Claude 作为插件在 Office 中直接使用非常方便，更适合一般办公和数据分析。作者认为 GPT-6 的降价可能需要等待国产模型的竞争压力，或者 Anthropic 上市后的市场反应。
多模型协作的工作流与效率优化
面对高昂的 GPT-6 成本，作者构建了一套基于多模型协作的工作流以最大化效率。他不再单纯依赖单一平台，而是将不同任务分配给最适合的模型。使用 MiniMax 进行研究和内容生成，Claude 负责出口播稿，最后由 GPT-6 处理字幕。这种组合虽然能“把订阅的套餐都用干净”，但也带来了额度管理的挑战。
“我现在都是MiniMax做研究，然后呢Claude出口播稿，GPT做最后的这个字幕处理”
在具体执行层面，作者提到自己曾尝试结合 ChatGPT 和 Codex。他会开启两个窗口，先让 GPT 生成指令，再贴入 Codex 执行。此外，他还尝试了 Grok Bot（马斯克收购 Cursor 后升级的产品），认为其适合干杂活但不适合编程。对于视频创作，作者强调新手做不露脸的投资类视频很难起量，因为 AI 内容泛滥，只有真人出镜才能形成差异化优势。他建议新手直接露脸，而非与 AI 卷内容。
本地化部署、同步工具与技术栈选择
在基础设施方面，作者分享了自己在 NAS（群晖）上运行 Docker 的经验。他将 Hermes 模型部署在 NAS 的独立容器中，确保与大量文件隔离运行，以避免误删除或操作失误导致的数据丢失。对于笔记同步，作者从 Notion 转向了 Obsidian + Synology Drive（群晖驱动）的方案。虽然 Obsidian 官方同步服务需要每年支付约 100美元，但作者通过 NAS 自建同步解决了多设备（包括安卓和 iOS）的兼容性问题。
“Obsidian基本上已经废了，我现在的数据库就是Obsidian，然后呢再通过我的NAS做同步”
对于网站托管和云服务，作者主要使用 Oracle 云的免费主机和 Cloudflare。他认为 Cloudflare 是“赛博菩萨”，提供了 R2（对象存储）、D1 (SQLite)、Workers 等丰富服务且对小用户免费或低成本。尽管曾考虑迁移到 Astro + Cloudflare，但因维护成本过高而放弃，最终保留 WordPress 以节省精力。作者还提到 DeepSeek Harness 可以挂载 MiniMax 模型，效果尚可，但安装复杂（需 npm），不适合普通用户。
AI 应用的内功与行业观察
面对快速迭代的 AI 技术，作者的态度转为“云淡风轻”，主张回归第一性原理并注重身体健康这一“内功”。他批评了 Vibe Coding 在企业级应用中的三大硬伤：无法保证代码质量和架构、埋藏安全风险、易被过度营销。尽管 Anthropic 和 OpenAI 等大公司也在内部使用这些工具，但作者认为普通用户应谨慎对待。
在硬件和手机市场方面，DDR5 内存价格已从 3000多元降至2400多元（32G 5600MHz），但作者仍观望是否降至1000多元。对于折叠屏 iPhone，他提到折痕问题严重且售后率高。在模型对比中，作者实测发现 GLM 未必比 GPT-6 省 Token，甚至提到自己购买的 500元 Coding Plan 两天就用完了周额度。他推荐 MiniMax，因其功能全面（生图、搜索、语音），尽管模型性能可能略逊于 GLM 或 Kimi K3，但综合体验较好。最后，作者呼吁 OpenAI 尽快降低 GPT-6 的价格，以缓解用户的经济压力。
结论
GPT-6 Ultra因极端的Token消耗和推理爆炸，已丧失日常生产力性价比，仅适合特定火力测试；OpenClaw因升级后系统不稳定及高昂维护成本正式退役，表明复杂多模型调度方案正被轻量级、易部署的替代者取代。当前最优策略为混合订阅：以MiniMax承担日常研究与文件操作，Claude Code专注高质量代码生成，豆包Work处理非敏感数据抓取。用户需警惕AI Agent从能力不足转向成本失控与维护复杂的痛点，避免盲目追求高端模型或复杂架构，转而通过多模型协作与本地化部署（如NAS运行Hermes）在功能、成本与稳定性间寻求平衡。