Питер Стейнбергер: около 100 инстансов Codex обошлись в $1,3 млн за 30 дней

Питер Стейнбергер заявил 16 мая 2026 года, что проект OpenClaw поддерживает примерно 100 экземпляров модели Codex в облаке, а счёт за использование OpenAI API за 30‑дневный период составил $1,3 млн. Это демонстрирует масштабную автоматизацию разработки и одновременно даёт ясное представление о потенциальных затратах при развертывании пулов агент‑моделей в продакшене. По словам Стейнбергера, над OpenClaw работает команда около трёх человек, формально связанных с OpenAI, которые держат эти инстансы и управляют их работой в облаке. Агент‑инстансы выполняют широкий набор задач: автоматически ревьюят pull‑request (PR), ищут уязвимости в коммитах, сглаживают дубликаты проблем, закрывают или дублируют тикеты, а также пишут исправления и сами открывают PR в соответствии с видением проекта.

Агенты также следят за метриками производительности: они мониторят бенчмарки, сообщают о регрессиях в канале Discord и даже «слушают» совещания команды, после чего инициируют PR для обсуждаемых функций. Для анализа багов и вопросов безопасности команда использует дополнительные инструменты — Clawpatch.ai, Vercel Deepsec и Codex Security — которые добавляют уровни автоматической проверки помимо самих Codex‑агентов.

Отчёт Стейнбергера приводит точные метрики потребления за 30 дней: 603 млрд токенов и 7,6 млн запросов; при этом топовой моделью по использованию назывался GPT‑5.5. По его словам, счёт в $1,3 млн связан с модельным использованием и объёмом запросов, и OpenAI покрывает эти расходы — Стейнбергер описывает такие траты как исследовательскую инвестицию с целью посмотреть, как будет выглядеть разработка ПО, когда стоимость токенов не ограничивает эксперименты.

Стейнбергер также отметил конкретные меры экономии: например, отключение «Fast Mode», по его оценке, могло бы снизить траты примерно на 70%. Он подчёркивает, что всё, что команда строит, остаётся открытым исходным кодом и совместимо как с ведущими коммерческими моделями, так и с открытыми решениями; отдачу он оценивает «довольно высокой». Для разработчиков и команд это служит практическим примером преимуществ автоматизированных пулов агентов и одновременно аргументом в пользу внимательного управления режимами работы и используемым инструментарием.