老样子，拆解文档发布到github。
手机群控这门生意，你以为是新词。
其实做了二十年了。一排手机架着，脚本跑签到、刷单、养号，养熟了卖出去。玩的是规模，赚的是流量平台的信息差。行业里从来不缺人，缺的是成本足够低的操作员。
大模型进来之后，这个”操作员”不需要是人了。
老的手机群控是怎么运作的？
你写一套脚本：打开美团，点这里，再点这里，输入这个，提交。脚本死的，页面一改版就全废。维护成本是隐性的大头。而且你要专门养一个能写脚本的人，或者自己会。门槛在这。
大模型的介入把这个逻辑整个打穿了。
现在的逻辑是：截图 → 发给模型 → 模型看图 → 返回动作列表（点哪里、输什么）→ 执行 → 再截图。
不需要你提前写任何规则。模型自己看屏幕，自己决定下一步。界面改版？它继续看，继续判断。像雇了一个真人远程操控手机，只是便宜很多。
这时候你可能想到了豆包手机。
去年12月，字节和中兴联合出了一台工程机，3499元，首批3万台，24小时售罄，闲鱼炒到近万。媒体说这是”第一部真正意义上的AI手机”——跨App操作，帮你比价、下单、填表，全程不用动手。
上线第二天，微信封了。淘宝封了。美团封了。银行App封了。
字节紧急下线微信操作能力，二手价格当天闪崩。
这台3499元的手机的核心能力，在公开上市后48小时内实质性死亡。
为什么？因为字节走的是”系统级整合”路线——通过中兴开放操作系统底层权限（INJECT_EVENTS），让豆包助手成为OS的一部分。这条路的优势是权限极高、操作丝滑。代价是：身份暴露，有名有姓，平台一眼认出是谁，精准屏蔽。
你是世界上最强的刺客，但你穿着印有自己名字的制服去刺杀。
视觉模型群控走的是完全不同的路。
不申请系统权限。不依赖厂商合作。不需要平台知道你在做什么。
就是截图，让模型看，模型决策，执行，再截图。模拟的是人类看屏幕后用手指操作的全过程。平台的风控系统看到的，是一个用手指在屏幕上点点点的”人”。
豆包手机是一个穿制服的机器人，正大光明地向平台宣告自己的存在。
草根视觉群控是一个穿便衣的人，悄悄坐在角落里。
哪个更难打？
智谱在今年3月公开展示过这个路线的商业价值。
AutoGLM注册了一个小红书账号，完全由Agent自主运营——调研内容、生成笔记、发布、互动。14天，5000粉丝，收到商单邀请，当天赚了500块。
没有人参与。24小时不间断。成本是API调用费。
意义不在500块，在于它跑起来了，而且没有人知道是机器在跑。
商业模式怎么拆？
第一层：工具变现。
把这套能力做成SaaS，按月收费。面向需要批量运营账号的商家、MCN、代运营公司。他们有需求，但没有技术能力自己搭。你卖的不是账号，是运营这些账号的基础设施。定价逻辑参考RPA软件的行业定价，按账号数或按任务量。
第二层：内容矩阵变现。
自己跑矩阵。10个账号，每个账号每天发内容、养权重。跑3个月权重起来，挂上自己的产品接CPS，或者直接接商单。单账号月收入可能只有几千块，但100个账号是另一个数量级。
第三层：养号出售。
平台有价值的活跃账号本身就是资产。小红书素人账号做到5000粉带垂直标签，出价从几百到几千不等。批量出厂，利润在工厂化运营的效率差里。
第四层：代运营服务。
甲方有需求，你有机器。帮他们做签到、抢优惠券、定时发内容，按月收服务费。客户付钱买确定性。这是最稳的收入，也是最容易续费的模式。
四层可以同时跑，也可以择一聚焦。每一层的门槛和上限都不同。工具变现需要产品能力，矩阵变现需要运营能力，代运营服务需要客户资源。
成本结构怎么算？
设备：二手安卓机几百元一台，或者用云手机按月租，后者更灵活。
调用费：视觉模型API现在很便宜，国内主流几分钱一张截图。规模起来之后，上本地部署。
本地部署选Qwen2.5-VL，开源，一行命令拉下来，7B版本6GB显存就能跑，消费级显卡够用。有人用RTX 3090本地跑500张图，同等任务走云端API要花上百元。一次性硬件投入，后续边际成本趋近于零。
框架选择上，Ollama适合小规模入门，自动管理显存；vLLM适合跑高并发生产，性能强但配置门槛高一档。
本地跑还有一个隐性好处：截图不出本地网络，平台检测不到你在调用外部AI服务。
封号了怎么办？
平台封的不只是账号，封的是设备指纹。同一台手机注册的多个账号，哪个被封，其余跟着凉。
应对分三路。
云手机：独立IP和设备指纹，批量开实例，批量拥有不同身份的设备，是规模化的主流基建。
改机：通过工具修改设备上报给应用的特征值——IMEI、Android ID、MAC地址、Build信息全部伪造。账号被封之后改一套新指纹，重新注册，平台看到的是全新设备。熟手十分钟一台。
刷机重置：比改机更彻底，从系统层面清除历史痕迹，代价是操作成本高。用来救高权重的老账号。
成熟团队通常混用，不押注单一方案。
还有一些用途。
我就不在这里讲了。
这个行业里有一部分场景，并不在白色地带里运转。有些需求，甲方不会公开说，你也不需要公开接。
懂的都懂。
我只说一点：凡是放大了交易规模、加速了信息不对称的工具，在互联网的每一个灰色角落都有对应的买家。视觉模型群控不是例外。
但那部分，我们不讨论。
这个赛道值不值得进？
技术门槛在过去一年大幅下降。视觉模型够用，开源方案成熟，本地部署不再是门槛。豆包手机用3499元的工程机证明了市场对这件事的需求是真实的——3万台24小时售罄，需求是真的，只是字节的方式太高调了。
草根路线的优势，恰恰在于不高调。
年入百万不是技术问题，是规模化运营问题。机器跑得动，但你要管得住——账号池、内容池、设备指纹池、收益分配。这套运营体系建起来才是护城河，不是那个会看屏幕的模型。
豆包手机48小时被封杀，说明平台对AI自动化是认真的。
也说明这件事，是真的动到了他们的利益。
真正值钱的东西，从来不是被无视的。
