机器之心编辑部

是的，你没看错！

龙虾之父 Peter Steinberger 一个月的 API token 花费金额竟然高达 130 万美元+。

可以看到，30 天总 token 消耗量为 6030 亿，请求量 760 万，

网友惊呼，「雇佣一支开发团队可能都比这便宜。」

另一位网友追问道，「兄弟，你最好能亮出点真本事，做出那些百万美元年薪的工程师都搞不定的东西，不然这广告恐怕就成了前沿实验室泡沫开始破裂的信号了。而且这价格还是补贴过的。天哪，要按实际成本算，那得贵得多。」

Steinberger 回复称，「我把快速模式关掉，价格直接便宜了 70%，所以算下来也就一个员工的成本。」

还有人直接开嘲，「一个月 130 万美元？结果你啥都没交付。你真是史上最差劲的营销鬼才。」

Steinberger 同样予以回击，「说不好啊兄弟，你这『啥都没交付』的定义未免也太特别了吧。」

Steinberger 还表示，「这些代码全是用 Codex 写的。那些比较乱、我后来整理过的拉取请求，大概是 Claude 写的。」

在自曝高昂的 token 花费并引发热议之后，Steinberger 很快做出了回应，他说他正在尝试回答这样一个问题：

「如果 Token 不再重要，未来我们会如何构建软件？」

我们长期在云端运行大约 100 个 Codex，审查每一个 PR、每一个 issue。只要 main 分支上合入了一个修复，@clawsweeper 最终就会找到那个已经挂了 6 个月的旧 issue，并带着精确引用把它关闭。

我们会在每次 commit 上运行 Codex，审查安全问题，因为这些问题实在太容易漏掉。

我们会用 Codex 对 issue 去重、发现聚类，并为最紧迫的问题发送报告。

我们有一些 Agent 可以复现复杂环境，启动临时的 crabbox.sh 机器，登录到 Telegram 之类的平台，录制***，并在 PR 中发布修复前后的对比。

还有一些 Codex 会监控新 issue，如果它符合我们已经写明的产品愿景，就会自动为它创建 PR。随后，另一个 Codex 会再去审查这个 PR。

我们还运行 Codex 来扫描评论中的垃圾信息，并封禁相关用户。

我们运行 Codex 实例来验证性能基准，并把回归问题报告到 Discord。

我们有 Agent 监听我们的会议，并主动开始工作。比如，当我们在会议中讨论新功能时，它们会在我们讨论的过程中直接创建 PR。

我们构建了 clawpatch.ai，把所有项目拆分成功能单元，用来审查、发现 Bug 和回归问题。

在安全方面，我们也做了同样的拆分，并结合 Vercel 的 deepsec 和 Codex Security 来发现回归与漏洞。

所有这些自动化，让我们能够以极其精简的团队运转这个项目。

问题来了，这么高的开销由谁来承担呢？显然不是他自己。

「OpenAI 不会收取我的 token 费用。」

Tokenmaxxing：这场吞吐量竞赛还能维持多久

这直接杀死了比赛。

前段时间 AI 圈热议的 Tokenmaxxing ，各大厂商，包括 Meta 和亚马逊，甚至公开公司内部的 Token 使用排行榜，让使用人工智能工具，消耗 Tokens 成了员工每日工作的 KPI。

在当时，Meta 排名第一的个人用户平均消耗了 2810 亿 token，根据不同模型的定价，背后可能是数以百万计美元开销。而龙虾之父 Peter Steinberger 在一个月的时间里就消耗了 6030 亿 token，简直是降维打击。

前特斯拉和 OpenAI 科学家 Karpathy 在播客中坦言自己也感受到最大化使用 AI 的压力，「关键在于 token。你的 token 吞吐量是多少？你能调动多少 token 吞吐量？」

Token 慢慢变成了一种新的生产资料，甚至变成了是衡量 AI 运转密度的单位。一个团队，只要拥有足够高的 token 吞吐量、足够完善的任务拆分方式，以及足够可靠的验证闭环，就可能跑出过去大型团队才能承担的工程密度。

就在刚刚，OpenAI 总裁 Greg Brockman 发推表示，「Token 正在迅速成为解决问题的通用输入。」

但我们相信 Token 并非以量取胜，就像龙虾之父搭建智能体自动化开发流，一个良好的项目管理模式，或许是决胜关键。返回搜狐，查看更多