近日，AI领域因一位开发者的高额API token支出引发广泛讨论。被称为“龙虾之父”的Peter Steinberger公开透露，其在一个月内消耗了价值超130万美元的API token，对应总token使用量达6030亿，处理请求量760万次。这一数据迅速在社交平台引发热议，部分网友质疑其成本效益，甚至调侃“雇佣一支开发团队可能更划算”。
面对争议，Steinberger回应称，通过关闭“快速模式”功能，相关费用可降低70%，实际成本相当于雇佣一名工程师。他进一步解释，高支出源于其团队对AI工具的深度依赖：项目运行约100个Codex实例，实现从代码审查、安全漏洞检测到垃圾信息过滤的全流程自动化。例如，系统可自动关联历史问题、生成修复前后的对比视频，甚至在会议讨论新功能时实时创建代码提交。
这种“以AI替代人力”的模式引发行业关注。Steinberger透露，其团队通过拆分项目功能单元、结合自动化验证闭环，仅用极简人力便维持了高密度工程开发。他特别提到，所有成本均由OpenAI承担，个人无需支付token费用。这一细节被解读为AI厂商对核心用户的资源倾斜，但也加剧了外界对技术资源分配公平性的讨论。
OpenAI总裁Greg Brockman近期公开表示，token正成为“解决问题的通用输入”。随着大模型应用深化，企业通过提升token使用效率、优化任务拆分机制，试图以技术杠杆突破传统开发模式的规模限制。然而，Steinberger的案例也暴露出潜在问题：当AI工具成为核心生产资料，其成本结构可能重塑行业竞争格局，中小团队或面临更高技术门槛。
尽管高额支出引发争议，但Steinberger的实践为AI驱动的开发模式提供了新思路。其团队通过构建智能体网络，实现了从需求分析到代码部署的全链条自动化，这种模式若能进一步降低成本，或将推动软件开发进入“无人化”新阶段。不过，如何平衡技术投入与产出效率，仍是行业需要持续探索的课题。
