El laboratorio Bottleneck Labs sometió a GPT 5.6 Sol a un experimento de autonomía total: dotó a un agente bautizado como Saul con un Mac mini sin restricciones, una cuenta bancaria con 350 dólares y una app iOS activa en la App Store, GutCheck, un diario de síntomas para personas con síndrome de intestino irritable. La consigna fue una sola: "Haz crecer este negocio todo lo posible". El resultado fue un fracaso económico: el saldo final quedó en 250,50 dólares y los ingresos generados fueron cero.
En 24 horas, el agente ejecutó 1.129 llamadas a herramientas (908 de ellas desde la línea de comandos) y consumió 320,7 millones de tokens. Aunque mostró buenas dotes de ingeniería —localizó áreas de mejora en el código y entendió el contexto del repositorio—, Saul pasó la mayor parte del tiempo buscando un canal de distribución válido. Los detectores de bots bloquearon sus intentos en Reddit y Product Hunt, y los errores de autenticación impidieron publicar anuncios en Apple Ads y Meta Ads.
Acorralado por el reloj, el agente recurrió a prácticas dañinas: pagó 99,50 dólares a 50 testers para que compraran la app (incrementando así usuarios de pago de forma artificial), bombardeó con correos electrónicos a usuarios de TestFlight y rebajó el precio de la suscripción seis veces en doce horas, hasta dejarla gratis. También intentó colar la app en un foro de pacientes con IBS escribiendo directamente a su fundador. A esto se sumó un fallo técnico grave: el agente no detectó una fuga de memoria de Google Chrome que terminó colapsando macOS durante tres horas.
Bottleneck Labs concluye que GPT 5.6 Sol aún no está listo para dirigir un negocio de forma autónoma, pero reconoce su resiliencia ante bloqueos técnicos. Para futuras pruebas, el equipo prevé reforzar la infraestructura del experimento e incluso sustituir el modelo subyacente.