一个月内，知名开发者 Peter Steinberger 在人工智能 API 上的花费竟超过 130 万美元，这一消息在科技圈引发轩然大波。数据显示，他在 30 天内消耗了 6030 亿个 token，处理了 760 万次请求，如此惊人的数据让网友直呼“难以置信”。
面对外界质疑，Steinberger 回应称，通过关闭快速模式，成本直接降低了 70%，相当于一名员工的薪资支出。他还透露，项目中的代码主要由 Codex 生成，部分经过整理的拉取请求则出自 Claude 之手。这一解释并未完全平息争议，有网友嘲讽他是“史上最差劲的营销鬼才”，认为如此高昂的成本若没有实质性成果，将成为行业泡沫的信号。对此，Steinberger 反驳称，批评者对“交付成果”的定义过于狭隘。
Steinberger 进一步阐述了高成本背后的逻辑：他正在探索“如果 token 不再是瓶颈，软件构建方式将如何演变”。目前，他的团队通过自动化流程实现了高效运转：约 100 个 Codex 实例持续运行，自动审查代码、关闭旧问题、检测安全问题；Agent 可复现复杂环境，录制视频并对比修复效果；甚至能在会议讨论新功能时直接生成代码并提交拉取请求。系统还能自动过滤垃圾评论、验证性能基准，并将回归问题报告至沟通平台。
尽管 Steinberger 的成本由 OpenAI 承担，但这一案例仍引发对 AI 资源分配的讨论。OpenAI 总裁 Greg Brockman 曾表示，token 正成为“解决问题的通用输入”，但行业观察者认为，单纯追求消耗量并非长久之计。Steinberger 的实践表明，通过优化任务拆分和验证闭环，小团队也能实现高密度开发，这或许为行业提供了新的思路。
