当多数人还在讨论AI编程助手能写多少行代码时，OpenClaw之父Peter Steinberger直接晒出了一张账单，让整个技术圈为之侧目。一个月，130万美元，约900万人民币，消耗6030亿个token，发起760万次请求。这并非某家大厂的季度AI预算，而是一个仅有3人的小团队，在一个月内使用OpenAI Codex的用量。更令人震惊的是，这笔巨款由OpenAI全额报销。Steinberger在X上轻描淡写地甩出截图，评论区瞬间炸开了锅，有人惊叹，有人质疑，也有人默默掏出计算器，估算这到底顶多少个程序员的工作量。

这张账单背后，是Steinberger团队在云端长期运行约100个Codex实例的真实写照。他们把这些AI agent部署在软件工程中最繁琐、最耗时的环节：审查PR、查找安全漏洞、去重issue、修复bug、监控benchmark、检测回归后自动推送到Discord，甚至听完会议后直接提交PR。Steinberger本人淡定回应：“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。”这意味着一百个不知疲倦、不吃饭、不提涨薪的数字员工，正在替代传统团队中大量重复性劳动。软件开发真正的成本痛点——沟通、理解、上下文切换、审查、回归、修复、等待——正被AI agent逐个击破。

这张截图还有一个值得注意的细节：它并非OpenAI官方后台，而是Steinberger自己开发的CodexBar。这是一个macOS菜单栏工具，用于追踪各类AI编程工具的使用窗口、credit、成本和重置时间，支持Codex、Claude、Cursor、Gemini、Copilot等服务。曾几何时，程序员菜单栏里监控的是CPU、内存、电量、网速，如今多了一个关键指标：token。token正在成为一种新的“生产资料”，其消耗量直接反映了AI agent的工作强度。有网友好奇如此巨量的token用在了何处，Steinberger回应大部分都投入了OpenClaw的开发，这个项目正是利用AI agent重构软件协作流程的典型试验。

130万美元一个月，3个人，100个AI agent——这组数字让人细思极恐。有人看完热血沸腾，认为AI终于不再是只会聊天的花瓶；也有人脊背发凉，担忧程序员未来何去何从。但最值得警惕的，是Steinberger那句轻飘飘的话：“我在探索，如果token成本不是问题，软件开发会变成什么样。”他用了“如果”这个词，可现实是这个“如果”正在以肉眼可见的速度变成“当”。今天130万美元干的活儿，模型降一轮价，13万；再降一轮，1.3万。到那时，100个AI agent同时干活不再是硅谷大佬的独家游戏，而是随便一个三人创业团队的基本操作。未来已经在敲门，而且它不打算等你准备好。对于AI从业者和爱好者而言，现在正是思考如何拥抱这个趋势、重新定义自身价值的最佳时机。