一個月狂燒130萬美元！龍蝦之父自曝token賬單，費用OpenAI全包

機器之心編輯部

是的，你沒看錯！

龍蝦之父 Peter Steinberger 一個月的 API token 花費金額竟然高達 130 萬美元+。

可以看到，30 天總 token 消耗量為 6030 億，請求量 760 萬，

網友驚呼，「雇傭一支開發團隊可能都比這便宜。」

另一位網友追問道，「兄弟，你最好能亮出點真本事，做出那些百萬美元年薪的工程師都搞不定的東西，不然這廣告恐怕就成了前沿實驗室泡沫開始破裂的信號了。而且這價格還是補貼過的。天哪，要按實際成本算，那得貴得多?！?/p>

Steinberger 回復稱，「我把快速模式關掉，價格直接便宜了 70%，所以算下來也就一個員工的成本?！?/p>

還有人直接開嘲，「一個月 130 萬美元？結果你啥都沒交付。你真是史上最差勁的營銷鬼才。」

Steinberger 同樣予以回擊，「說不好啊兄弟，你這『啥都沒交付』的定義未免也太特別了吧。」

Steinberger 還表示，「這些代碼全是用 Codex 寫的。那些比較亂、我后來整理過的拉取請求，大概是 Claude 寫的。」

在自曝高昂的 token 花費并引發熱議之后，Steinberger 很快做出了回應，他說他正在嘗試回答這樣一個問題：

如果 Token 不再重要，未來我們會如何構建軟件？

我們長期在云端運行大約 100 個 Codex，審查每一個 PR、每一個 issue。只要 main 分支上合入了一個修復，@clawsweeper 最終就會找到那個已經掛了 6 個月的舊 issue，并帶著精確引用把它關閉。

我們會在每次 commit 上運行 Codex，審查安全問題，因為這些問題實在太容易漏掉。

我們會用 Codex 對 issue 去重、發現聚類，并為最緊迫的問題發送報告。

我們有一些 Agent 可以復現復雜環境，啟動臨時的 crabbox.sh 機器，登錄到 Telegram 之類的平臺，錄制視頻，并在 PR 中發布修復前后的對比。

還有一些 Codex 會監控新 issue，如果它符合我們已經寫明的產品愿景，就會自動為它創建 PR。隨后，另一個 Codex 會再去審查這個 PR。

我們還運行 Codex 來掃描評論中的垃圾信息，并封禁相關用戶。

我們運行 Codex 實例來驗證性能基準，并把回歸問題報告到 Discord。

我們有 Agent 監聽我們的會議，并主動開始工作。比如，當我們在會議中討論新功能時，它們會在我們討論的過程中直接創建 PR。

我們構建了 clawpatch.ai，把所有項目拆分成功能單元，用來審查、發現 Bug 和回歸問題。

在安全方面，我們也做了同樣的拆分，并結合 Vercel 的 deepsec 和 Codex Security 來發現回歸與漏洞。

所有這些自動化，讓我們能夠以極其精簡的團隊運轉這個項目。

問題來了，這么高的開銷由誰來承擔呢？顯然不是他自己。

「OpenAI 不會收取我的 token 費用。」

Tokenmaxxing：這場吞吐量競賽還能維持多久

這直接殺死了比賽。

前段時間 AI 圈熱議的 Tokenmaxxing ，各大廠商，包括 Meta 和亞馬遜，甚至公開公司內部的 Token 使用排行榜，讓使用人工智能工具，消耗 Tokens 成了員工每日工作的 KPI。

在當時，Meta 排名第一的個人用戶平均消耗了 2810 億 token，根據不同模型的定價，背后可能是數以百萬計美元開銷。而龍蝦之父 Peter Steinberger 在一個月的時間里就消耗了 6030 億 token，簡直是降維打擊。

前特斯拉和 OpenAI 科學家 Karpathy 在播客中坦言自己也感受到最大化使用 AI 的壓力，「關鍵在于 token。你的 token 吞吐量是多少？你能調動多少 token 吞吐量？」

Token 慢慢變成了一種新的生產資料，甚至變成了是衡量 AI 運轉密度的單位。一個團隊，只要擁有足夠高的 token 吞吐量、足夠完善的任務拆分方式，以及足夠可靠的驗證閉環，就可能跑出過去大型團隊才能承擔的工程密度。

就在剛剛，OpenAI 總裁 Greg Brockman 發推表示，「Token 正在迅速成為解決問題的通用輸入?！?/p>

但我們相信 Token 并非以量取勝，就像龍蝦之父搭建智能體自動化開發流，一個良好的項目管理模式，或許是決勝關鍵。