月烧130万美元，OpenAI为啥替他买单？

🦐

月烧130万美元，OpenAI为啥替他买单？

100个AI智能体正在改写软件开发的规则

2026年5月18日

💰 一张账单，把网友看傻了

别人晒工资条，这哥们晒账单——而且是一张能把人看傻的账单。

OpenClaw之父Peter Steinberger前几天在X上甩出一张截图，轻描淡写的样子好像在晒午饭。但截图上的数字，属实不淡定：

30天总花费$1,305,088.81约合人民币900万元/月

等等，你没看错。一个月900万人民币，只为了运营一个开源项目？

而且这张账单背后的数据更夸张：

指标

数值

说明

Token消耗

6030亿个

30天累计

API请求次数

760万次

平均每秒29次

Codex实例

约100个

长期云端运行

人类员工

3人

Peter + 2名队友

网友直接炸锅。有人惊叹，有人质疑，有人掏出计算器开始算"这到底顶多少个程序员"。

更有网友调侃："130万美元约等于3个工程师的月薪，旧金山的就业市场过于疯狂。"

🤖 3个人 + 100个AI，怎么做到的？

看到这里你肯定想问：这100个Codex实例，到底在干啥？

答案可能会让你重新审视"软件开发"这四个字。Peter的团队把AI融入了软件协作的全环节，而不只是辅助写代码：

AI智能体在干的活：

✅ 审查PR（Pull Request）

✅ 挖安全漏洞

✅ 去重issue

✅ 改bug

✅ 监控benchmark

✅ 发现代码回归后推送通知到Discord

✅ 听完会议后直接提交PR

这些活，过去需要一整个研发团队：PM、DevOps、QA、Security、Tech Lead……现在被100个AI智能体+3个人类员工接管了。

Peter自己说：

"我在探索，如果token成本不是问题，软件开发会变成什么样。"

说实话，这句话很重要。他不是在"烧钱"，而是在探索AI驱动开发的成本边界。

而且，这个模式并非不可持续。Peter后来透露：

"关闭快速模式后，我的花费低于一个工程师的成本，而且这确实帮助大得多。"

也就是说，130万美元是无预算约束下的极限测试。如果切换到正常模式，成本可以骤降。

成本优化空间（作者分析）$1,300 → $130若AI模型降价，月度成本可逐步降至13万美元、甚至1.3万美元

🎯 OpenAI为啥买单？这才是关键

好，最大的谜团来了：OpenAI为啥愿意替他报销这130万美元？

先说背景：Peter Steinberger今年2月加入OpenAI担任技术岗位，他同时也是开源项目OpenClaw的创始人。

这笔账单的全部费用，由OpenAI承担。一分钱不用Peter掏。

我分析了一下，OpenAI买单至少有3个原因：

原因

解读

① 压力测试

OpenAI需要真实场景验证Codex的规模化能力。100个实例并发、760万次请求，这是最好的压力测试。

② 产品迭代

Peter的反馈直接影响Codex的产品路线。他发现的bug、提出的优化，价值远超130万美元。

③ 标杆案例

"3人+100个AI"的故事，是最好的营销素材。OpenAI需要证明：Codex能真正替代研发团队。

说白了，这130万美元不是"成本"，是OpenAI的研发经费+营销预算。

而且，Peter同期还开发了CodexBar——一个macOS菜单栏工具，可以追踪Codex、Claude、Cursor、Gemini、Copilot等几乎所有主流AI编程工具的使用窗口、credit剩余、成本消耗、额度重置时间。

这个工具本身，就是OpenAI生态的加分项。难怪OpenAI愿意买单。

⚠️ 这对我们普通开发者意味着什么？

先来看一个关键对比：

维度

传统研发团队

AI驱动团队（Peter模式）

团队规模

20-50人

3人+100个AI实例

月成本

50-150万美元（硅谷薪资）

130万美元（极限模式）可优化至<13万美元

响应速度

依赖人类工时

24/7并发处理

适用场景

通用软件开发

开源项目、工具类产品的快速迭代

好，关键结论来了：Peter的模式不能直接复制，但揭示了3个趋势：

1. Token正在成为研发领域的"生产资料"

过去，研发成本=人力成本。现在，研发成本=Token成本+少量人力成本。当Token价格持续下降，这个模式的门槛会快速降低。你我现在就可以开始关注这个趋势。

2. "沟通、理解、上下文切换"这些隐性成本，AI可以大幅压缩

人类团队的很大一部分时间，消耗在理解需求、沟通协调、上下文切换上。AI智能体没有这个问题——它们可以同时处理多个任务，且不会疲劳。这个优势，会越来越明显。

3. 小团队挑战大项目的时代，真的来了

3个人，做出过去需要50人的产出。这不是"替代人类"，而是重新定义团队边界。

网友的担忧也很真实：

"等等，那我们这些写代码的，以后干嘛去？"

我的看法是：不是"没活干"，是"活变了"。未来的开发者，核心竞争力不再是"写代码"，而是：

✅ 定义问题的能力（知道该让AI做什么）

✅ 架构设计的能力（系统怎么搭，AI智能体怎么协作）

✅ 质量把关的能力（AI的输出需要人类审核）

🚀 该恐慌还是该行动？我的建议

看到这里，你可能有3种反应：

反应A："这太疯狂了，不现实"

→ 确实，130万美元的月烧法不现实。但"关闭快速模式后，花费低于一个工程师的成本"——这个很现实。别一竿子打翻一船人。

反应B："AI终于不是只会聊天的花瓶了！"

→ 这个反应是对的。Peter的案例证明：AI可以从"辅助工具"进化为"生产引擎"。这个趋势，值得你认真关注。

反应C："那我该怎么用AI提升我的开发效率？"

→ 这个反应最值钱。给你3个可执行的建议：

建议1：从"单点工具"升级到"AI工作流"

不要只用AI写代码。试着让AI帮你：审查PR、生成测试用例、监控性能指标、自动修复bug。这才是AI的正确打开方式。

建议2：关注Token成本，但别被它吓住

Peter的130万美元是"极限测试"。普通开发者用Claude/Cursor/Copilot，月成本大概在$20-$200之间。先跑起来，再看优化。别让成本成为你行动的理由。

建议3：学会"指挥"AI，而不只是"使用"AI

100个AI智能体的核心，不是"数量"，而是"协作"。你需要学会：怎么给AI分配任务、怎么设计工作流、怎么审核AI的输出。这才是未来的核心竞争力。

虾哥点评

Peter的130万美元账单，表面上是"烧钱"，实际上是给全行业上了一课：

当AI智能体可以24/7并发工作、不需要社保、不会离职、不会摸鱼的时候，"团队规模"这个词，需要重新定义了。

但你我也别慌。Peter的模式能跑通，有个关键前提：他自己是顶级开发者，知道怎么"指挥"AI。

如果你现在就开始学怎么用AI工具、怎么设计AI工作流、怎么让AI成为你的"虚拟团队"，等到Token成本大幅下降的时候，你就是那个"3人干50人活"的Peter。

如果你继续观望，等到AI真的"替代"了某些岗位，那就真的晚了。我见过太多"等等再看"的人，最后被时代甩在了后面。

一句话：别恐慌，但别躺平。行动起来，让AI成为你的杠杆。这不是鸡汤，是生存法则。

📚 延伸阅读

主题

关键要点

适用人群

AI编程工具选型

Claude/Cursor/Copilot/Codex对比

开发者、技术负责人

Token成本优化

如何把AI使用成本降低90%

创业者、小团队

AI工作流设计

从"用AI写代码"到"让AI管项目"

技术管理者、独立开发者

— END —