GPT-5.6 Luna 勇闯bilibili硬核会员

背景

近期 AI 社区对 GPT-5.6 系列模型的关注主要集中在 Sol 版本上，而 Luna 版本则鲜有人深入测试。与此同时，Bilibili 的「硬核会员」答题机制要求用户在移动端完成，过去不少用户通过复制粘贴题目手动答题，但手机操作流程繁琐。本文作者恰逢 Cursor 会员即将到期、网络环境不稳定，且手头剩余额度充足，于是尝试使用 GPT-5.6 Luna 结合自动化工具完成 B 站硬核会员答题任务，意在探索该模型在国产场景下的实际能力。

核心内容

作者使用 GPT-5.6 Luna High Fast 模型（1M 上下文），搭配 Agent 工具 Hermes Cursor，在安卓模拟器（网易 MuMu，系统版本 Android 12）上运行。模拟器与 LLM 的交互通过 MCP 组件 appium-mcp（通过 stdio 调用）实现，但原始调用输出噪音较大，作者对其进行了简单封装，使其输出结构化 XML。此外，作者编写了一个轻量级 Skill，包含两条规则：1）关闭联网查询（避免依赖实时搜索结果）；2）遇到无法回答的题目时，随机选择一个答案作为兜底策略。

整个答题流程耗时约 30 分钟，总 Token 消耗 815 万 tokens，按 Cursor 额度计算约合 5 美元。作者自述完全没有安卓开发经验，过程中遇到的技术问题（如模拟器适配、接口调用等）均由 Codex 辅助解决。最终结果为成功完成 B 站硬核会员答题任务，并在论坛中展示了结果截图。

关键要点

• 模型选择：使用 GPT-5.6 Luna High Fast 版本，强调其对国内应用场景（国模）的潜在影响，而非主流的 Sol 版本。
• 超长上下文：1M 上下文窗口支持一次性处理大量题目与中间状态，减少分段调用。
• 自动化框架：通过 Hermes Cursor 作为 Agent，结合 Appium-MCP 控制 Android 模拟器（MuMu）进行图形界面交互。
• MCP 封装优化：原始 appium-mcp 输出噪音大，作者自行封装为结构化 XML，提升解析效率。
• Skill 策略：关闭联网查询避免延迟，对不确定题目采用随机选择以保底，确保流程不卡死。
• Token 消耗与成本：总计 815 万 tokens，成本约 5 美元，耗时 30 分钟，性价比极高。
• 开发依赖：作者无安卓经验，所有环境配置与 bug 修复依赖 Codex 自动完成。

意义与影响

该实践展示了 GPT-5.6 Luna 在国产平台自动化任务中的实用性——通过低成本、低耗时完成原本需要人工操作的复杂流程，且效果稳定。相比 Sol，Luna 在中文场景和工具链兼容性上体现出独特优势，可能对国模（国内模型）的配套生态产生更大冲击。此外，自动化答题流程的公开验证（包括具体 MCP 封装、Skill 设计等）为社区提供了可复现的参考模板，降低了非专业人士在安卓自动化任务上的门槛。从技术方向看，以 LLM 驱动的 Agent 结合模拟器操作，正逐步替代传统 RPA 的硬编码逻辑，而 Codex 在调试环节的辅助作用进一步加强了这一趋势。