你没看错！
龙虾之父Peter Steinberger在API token上的月度开销，竟然飙到了130万美元以上。
数据显示，过去30天内，他的总token消耗量高达6030亿，请求次数达到760万次。
有网友惊呼：“雇一支开发团队可能都比这便宜。”
另一位网友追问：“兄弟，你最好能拿出点真本事，做出那些年薪百万美元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破裂的信号。而且这价格还是补贴过的。天哪，按实际成本算，那得贵得多。”
Steinberger回应道：“我把快速模式关掉后，价格直接降了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同样反击：“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，录制视频，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。
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/35020
