一個月內，知名開發(fā)者 Peter Steinberger 在人工智能 API 上的花費竟超過 130 萬美元，這一消息在科技圈引發(fā)軒然大波。數(shù)據(jù)顯示，他在 30 天內消耗了 6030 億個 token，處理了 760 萬次請求，如此驚人的數(shù)據(jù)讓網(wǎng)友直呼“難以置信”。

面對外界質疑，Steinberger 回應稱，通過關閉快速模式，成本直接降低了 70%，相當于一名員工的薪資支出。他還透露，項目中的代碼主要由 Codex 生成，部分經(jīng)過整理的拉取請求則出自 Claude 之手。這一解釋并未完全平息爭議，有網(wǎng)友嘲諷他是“史上最差勁的營銷鬼才”，認為如此高昂的成本若沒有實質性成果，將成為行業(yè)泡沫的信號。對此，Steinberger 反駁稱，批評者對“交付成果”的定義過于狹隘。

Steinberger 進一步闡述了高成本背后的邏輯：他正在探索“如果 token 不再是瓶頸，軟件構建方式將如何演變”。目前，他的團隊通過自動化流程實現(xiàn)了高效運轉：約 100 個 Codex 實例持續(xù)運行，自動審查代碼、關閉舊問題、檢測安全問題；Agent 可復現(xiàn)復雜環(huán)境，錄制視頻并對比修復效果；甚至能在會議討論新功能時直接生成代碼并提交拉取請求。系統(tǒng)還能自動過濾垃圾評論、驗證性能基準，并將回歸問題報告至溝通平臺。

盡管 Steinberger 的成本由 OpenAI 承擔，但這一案例仍引發(fā)對 AI 資源分配的討論。OpenAI 總裁 Greg Brockman 曾表示，token 正成為“解決問題的通用輸入”，但行業(yè)觀察者認為，單純追求消耗量并非長久之計。Steinberger 的實踐表明，通過優(yōu)化任務拆分和驗證閉環(huán)，小團隊也能實現(xiàn)高密度開發(fā)，這或許為行業(yè)提供了新的思路。