龙虾之父披露天价账单 OpenAI全额承担月烧130万美元
是的，你没看错。
“龙虾之父”Peter Steinberger最近披露，他单月在API token上的花费，竟然超过了130万美元。
具体数据令人咋舌：30天内总计消耗了6030亿token，处理了760万次请求。
消息一出，立刻在开发者社区炸开了锅。有网友直言不讳地评论：“雇一支完整的开发团队，成本可能都比这低。”
质疑声紧随其后。另一位网友追问道：“老兄，你最好真能做出点那些百万美元年薪工程师都搞不定的东西。否则，这恐怕要成为前沿AI实验室泡沫破裂的第一个信号了。更何况，这还只是补贴后的价格，实际成本恐怕要高得多。”
面对质疑，Steinberger的回应相当淡定。他解释说，只要关掉“快速模式”，成本立刻能下降70%，这样算下来，“也就相当于一个员工的薪水”。
当然，也有更尖锐的嘲讽：“一个月烧掉130万美金，结果啥实际产品都没交付？你这简直是史上最失败的营销案例。” Steinberger则回击道：“这取决于你怎么定义‘交付’。你的定义恐怕有点特别。”
那么，这笔巨款到底花在了哪里？Steinberger随后详细阐述了他的“AI驱动开发”实践。他透露，大部分代码由Codex生成，而那些比较杂乱、后来需要整理的拉取请求，则可能出自Claude之手。
在引发广泛讨论后，Steinberger很快给出了更系统的解释。他声称，这一切都是为了探索一个核心问题：
如果Token成本不再构成约束，未来的软件将如何构建？
他的团队正在进行的，是一场全方位的自动化实验：
他们长期在云端运行着大约100个Codex实例，审查每一个拉取请求（PR）和问题（Issue）。一旦主分支合并了一个修复，专门的智能体（@clawsweeper）就能自动定位到那些挂了半年之久的旧问题，并引用相关提交将其关闭。
每次代码提交都会触发Codex进行安全检查，因为人工太容易遗漏安全漏洞。
利用Codex对Issue进行去重和聚类分析，自动生成最紧迫问题的报告。
部署能复现复杂环境的智能体，它们可以启动临时测试机器，登录Telegram等平台录制视频，并在PR中直接发布修复前后的对比证据。
还有一些Codex负责监控新提交的Issue。如果其内容符合既定的产品愿景，它们会直接自动创建修复PR，然后由另一个Codex实例来审查这个新生成的PR。
甚至用Codex来扫描评论区的垃圾信息，并自动封禁相关用户。
运行Codex实例来验证性能基准测试，一旦发现性能回归，便自动报告到Discord频道。
更有智能体直接旁听团队会议，并主动开始工作。例如，当会议讨论到某个新功能时，它们能在讨论过程中就实时创建出对应的PR。
他们还构建了clawpatch.ai，将项目拆分为功能单元，用于审查、发现Bug和回归问题。在安全方面也采用了类似架构，结合Vercel的deepsec和Codex Security来发现安全漏洞和回归。
这一整套自动化流水线，使得他们能够以极其精简的人力团队来运营整个项目。
说到这里，问题来了：如此惊人的开销，究竟由谁承担？答案出乎很多人意料。
Steinberger轻描淡写地表示：“OpenAI并没有向我收取这些token的费用。”
Tokenmaxxing：这场吞吐量竞赛的终局何在
Steinberger的案例，无疑将“Tokenmaxxing”这场竞赛推向了新的高度。
所谓Tokenmaxxing，即最大化token使用量，此前已在AI圈内引发热议。Meta、亚马逊等科技巨头甚至公开了内部的token消耗排行榜，将使用AI工具、消耗token变成了员工事实上的KPI之一。
在当时，Meta内部排名第一的用户平均消耗了2810亿token，根据不同模型的定价，其背后可能是数百万美元的成本。而Peter Steinberger单月6030亿token的消耗量，无疑是对这一数据的“降维打击”。
前特斯拉和OpenAI科学家Karpathy也在播客中坦言，感受到了最大化使用AI的压力。“关键在于token，”他说，“你的token吞吐量是多少？你能调动多少token吞吐量？”
这指向一个清晰的趋势：Token正在成为一种新的、核心的生产资料，甚至演变为衡量AI运转密度和团队产能的单位。一个团队只要拥有足够高的token吞吐量、精巧的任务拆分流程以及可靠的验证闭环，就有可能实现过去需要大型团队才能支撑的工程密度。
就在近日，OpenAI总裁Greg Brockman也发推印证了这一观点：“Token正在迅速成为解决问题的通用输入。”
然而，值得深思的是，token竞赛绝非简单的“以量取胜”。如同Steinberger所演示的，关键在于如何将这些海量的token消耗，嵌入一个设计良好的、高度自动化的智能体工作流与项目管理模式中。这或许才是决定未来软件开发效率的决胜关键。盲目堆砌token而无视工作流优化，恐怕只是另一种形式的资源浪费。
相关攻略
就在昨天，ChatGPT官方发布了一张颇具太空感的预热图片。 画面里，一个发光的ChatGPT输入框正从月球的地平线上缓缓升起。细看之下，不少朋友应该已经发现了变化：聊天框里的提示语，已经从我们熟悉的“Ask ChatGPT”悄悄变成了“Message ChatGPT”。 紧接着，OpenAI的首席
一则来自供应链的消息，让AI硬件领域的未来图景变得更加清晰。天风国际证券分析师郭明錤在4月27日发布的报告中透露，OpenAI正在积极推进智能手机芯片项目，计划与高通、联发科联合开发专用处理器，并选定立讯精密作为独家系统联合设计与制造伙伴。整个项目的目标，是瞄准2028年实现量产。 OpenAI为何
科技行业的竞争格局正在经历深刻重塑，一场新的风暴似乎已悄然酝酿。近日，前苹果公司CEO约翰·斯卡利在接受福克斯商业频道专访时，提出了一个极具洞察力的观点：OpenAI已成为苹果多年来面临的最严峻竞争威胁。这一判断可能标志着，苹果在科技领域长期保持的主导地位，正站在一个历史性的转折点上。 斯卡利对此给
最近科技圈有个消息挺值得玩味的。据《华尔街日报》报道，被视为行业风向标的OpenAI，其用户扩张和收入增长双双未达内部预期，这让管理层对未来的发展路径产生了不小的忧虑。 具体来看，OpenAI去年底设定的一个关键目标——将ChatGPT的周活跃用户数推高至10亿——没能实现。这个进展放缓的信号，也让
「你必须为模型将要去的方向设计硬件，而不是为今天的模型。」 当OpenAI即将推出智能手机的详细规格与供应链信息被曝光时，行业的第一反应或许不是惊讶，而是一种“终于来了”的确认。这让人不禁想起两周前，OpenAI硬件负责人Richard Ho在斯坦福大学一场内部交流中的发言。如今看来，那场谈话几乎为
热门专题
热门推荐
机器人行业迎来里程碑式突破。以视频生成模型Vidu著称的生数科技，正式发布了名为Motubrain的“世界动作模型”。这并非一次普通迭代，而是被定位为机器人的“物理大脑”，其核心目标在于：用一个统一的通用模型，彻底取代以往依赖多个专用系统拼凑而成的复杂架构。 正如其“一个大脑，无限可能”的口号所揭示
xAI正式进军AI编程智能体领域，于近日发布了专为软件工程与复杂编程任务设计的Grok Build。 简单来说，Grok Build是一款能在终端里直接跑起来的AI编程助手。它被定位为一个具备智能体能力的命令行工具，开发者用自然语言告诉它要做什么，它就能生成代码，甚至帮你搞定一系列编程和自动化任务。
近日，谷歌对其搜索引擎的核心规则进行了重要更新，此次调整直指当前备受关注的AI搜索领域。具体而言，谷歌在其垃圾内容政策中新增了明确条款，正式将“操纵AI搜索结果”的行为列为违规操作，划定了新的质量红线。 根据权威行业媒体Search Engine Land的报道，本次谷歌算法更新的核心在于，将任何企
硅谷的科技巨头们或许曾以为，自己已经远离了AI数据中心带来的电力压力——毕竟，高昂的地价和电费早就把大型数据中心项目“赶”到了别处。但现实总是出人意料，这场能源危机的涟漪，正悄然涌向他们心爱的度假后院。 没错，说的就是太浩湖。这个湾区精英们钟爱的避世天堂，如今正站在一场电力风暴的边缘。距离它必须找到
这项由高通AI研究院（Qualcomm AI Research）主导的创新研究于2026年5月正式发布，论文预印本编号为arXiv:2605 07721。 研究背景：当AI越想越费内存，我们该怎么办 设想一下，手机导航应用会在出发前规划好整条路线，而一位真正智慧的向导则会边走边思考，遇到路障时灵活应