龙虾之父月烧940万元的token，要不是入职OpenAI还真用不起

，在社交平台X上晒出了一张自己的CodexBar后台截图。

一张相当离谱的截图——

上面透露出的信息和数字，足以让任何一个关注AI成本的人心头一震：

，约合软妹币940万元；

同时消耗了6030亿个token，发起了760万次请求；

最常用的模型是GPT-5.5。

而以上所有费用，均由OpenAI承担。

看呆的人不在少数，不少网友也发出了惊呼：

兄弟，你最好拿出点儿价值百万美元的工程师都做不到的东西，不然这可能就是前沿实验室泡沫破裂的开端了。

而且你享受的还是补贴价格，我的天。

如果是其他人按实际成本调用这老些token量，价格？不敢想不敢想。

大头都花在开发OpenClaw身上了

他表示，被OpenAI收购后，自己的团队目前只有3个人。

这个时代，团队人数贵精不贵多，更何况他们还有一支庞大的硅基外援队伍！

关键在于，他们会

。

这是一个相当聪明的策略——没有选择打造“一个超级万能Agent”，而是拆解成大量小型、专注的Agent。

这其实也呼应了近期一个热门话题：“多Agent群体协作”。

这些Codex Agent各司其职：自动Review代码合并请求（PR）、扫描安全漏洞、查重问题报告（Issue）、编写修复程序、监控性能基准（Benchmark）回归，甚至能旁听会议内容并自行创建任务。

更重要的是，它们彼此之间形成了协作网络，互相Review、互相监督、互相查漏补缺。

Steinberger本人也很坦诚，

这100个Codex里，一些Agent负责执行具体任务，另一些则负责监督其他Agent的工作……

乍一听有些奇特，但仔细想想却十分合理。

人类负责制定目标和方向，Agent负责具体执行，整个软件开发流程开始呈现出一种明显的“流水线化Agent协作”态势。

这画风，是不是越来越像一家真正的软件公司了？

此外，仔细看他放出的CodexBar数据可以发现，其每日请求量高达20.6万次。

折算下来，

这个信息或许比“用Codex进行群体协作”本身更有意义，因为它意味着所有这些Agent都在长时间、持续、稳定地工作。

众所周知，Agent一旦长时间在线运行，很容易在实际场景中遇到各种难题，比如上下文信息杂乱冗余、记忆数据不断臃肿，又或者多个Agent之间互相干扰、误导等等。

一个月，要！花！好！多！钱！啊！

面对130万美元/30天的天价账单，Steinberger也回应了外界的质疑。

虽然每个月的token调用量令人咋舌，但这只是他开启了“快速模式”的结果。

为了让这些Agent能够持续高频协作、快速响应，系统需要维持非常激进的推理调度策略，这直接推高了token消耗。

我可以关闭快速模式，这样成本会降低70%。

允许Agent“慢一点”，成本立刻就能大幅下降。听起来确实是个巨大的节约。

但是，网友简单一算就发现，

也就是约272万软妹币。

请注意，这

。

要知道，今年3月就有路透社消息称，OpenAI计划将员工数量拓展到8000人……

然而，Steinberger看待成本的思路完全是另一套逻辑。他认为“这压根不算贵”。

当被问及投资回报率时，他表示，他的团队开发的所有产品都是开源的，并且兼容主流模型和开源模型，

他还补充道：

禁用快速模式后，我的花费比雇佣一个工程师的费用还低，而且效果绝对好得多。

所以，他的比较对象根本不是“工具成本”，而是“工程团队成本”，尤其是在旧金山这样的高人力成本地区。

一个高级工程师年薪几十万美元，并不算什么稀罕事。

而OpenClaw现在让100个Agent承担了大量重复性、机械化的工程劳动，这正是AI天然适合替代的领域。

现在Steinberger领导的OpenClaw项目，已经开始展现出这种雏形。

按照这个趋势发展下去，软件开发将从“人类使用工具”，逐渐演变为“人类管理Agent团队”。

换句话说，“月烧130万美元”究竟是贵还是便宜，完全取决于你从哪个视角来看。

One More Thing

既然Steinberger说巨量token大部分都花在开发OpenClaw上了，那剩下的部分用在了哪里呢？

他也没有隐瞒，直接表示——

显然，他已经不满足于只用100个Agent来搞OpenClaw的开发了。

至于这些新的创业项目具体是什么，就让我们拭目以待吧。