最近 AI 编程圈被一份天价账单刷屏了。

10 月 21 日，OpenClaw 创始人 Peter Steinberger 在活动现场估算，自己上个月用于 AI 工作的 token 成本高达 1000 万美元，台下一片惊呼，他却补了句：“并非所有消耗都有用。”

紧接着，另一位 Peter 把账算得更细。他发现 SpaceXAI Grok 团队的工程师 Lauren Tan，Cursor 个人主页显示过去 30 天用了 1.5 万亿 token。按每百万 token 8 美元估算，Lauren 每天要烧掉 38.4 万美元，年化成本更是达到了惊人的 1.32 亿美元！

这笔账到底是怎么算出来的？

即便假设 Cursor 能拿到 Anthropic 一折的超大客户优惠，年化成本依然有约 1300 万美元，相当于雇佣 26 名年薪 50 万美元的资深工程师。

针对不同模型和折扣，热心网友算了一笔细账：

根据模型不同，月成本在 480 万美元到 1320 万美元之间浮动。哪怕考虑缓存读取（价格约为普通输入的十分之一），每月依然要烧掉上百万美元。

那么，1.5 万亿 token 是个什么概念？工程管理平台 Jellyfish 对 1.2 万名开发者的统计显示，普通用户每月才用 5100 万 token，就算是 90 分位的高端用户也才 3.8 亿。Lauren 的用量，竟然是典型用户的 2.9 万倍！

作为这一切的“主人公”，Lauren Tan 的职业经历颇具传奇色彩。她从金融专业半路出家，做过 UI 设计，后来转向前端参与 React Compiler，AI 浪潮兴起后又all in Agent 工作流，做出了智能体技能库 pstack。

她不仅代码写得猛，营销话题感也直接拉满。9 月中旬她在视频里宣称“每月向生产环境合入 2000 个 PR”，到了月底置顶推文里数字变成了 2500；10 月 26 日，她再次发帖：“好像破纪录了”，配图直接干到了 4000 个 PR。

这组数字瞬间点燃了开发者社区。很多人开始担忧：如果一个人靠 AI 顶一个师，普通程序员是不是要失业了？

账单里的“水分”：缓存命中才是省钱密码

不过，Piekarczyk 的粗暴算账法很快引来了争议。

懂行的人都知道，Cursor 统计的 token 至少分为普通输入、模型输出、缓存写入和缓存读取四类，价格天差地别。以 Opus 5.5 为例，每百万普通输入约 4 美元，输出约 20 美元，而缓存读取仅需 0.20 美元。

一张 Opus 5.5 的实际用量截图显示，733 亿 token 花费约 3 万美元，折合每百万 token 仅 0.41 美元，其中缓存命中率高达 96.2%！

如果按照这个实际均价计算，Lauren 的 1.5 万亿 token 月成本约为 61.5 万美元。由于她跑的是长时运行的深度智能体任务，需要反复复用上下文，缓存命中率只会比普通用户更高。极端情况下，若全部按缓存读取价计算，月费甚至能压低到 30 万美元。

Piekarczyk 后来也修正了自己的说法：就算高估 10 倍，或者 Cursor 使用自有 GPU，按每百万 token 0.8 美元算，月成本也有约 10 万美元。

但无论是 10 万还是上千万，这和普通人都不在一个次元。10 月 9 日的一项投票显示，近 60% 的开发者每月 AI 预算不足 500 美元。

作为对比，今年 5 月 Peter Steinberger 也曾晒出自己的 CodexBar 截图：30 天 OpenAI API 用量 130.5 万美元，涉及 6030 亿 token、760 万次请求。不过他后来解释，关闭 Fast Mode 后，实际成本其实只有约 30 万美元。

普通人学不来的工作方式：管理 20 个 Agent

钱都烧在哪了？答案是：一支不知疲倦的 AI 军团。

Steinberger 曾透露，他的三人团队同时运行着约 100 个 Codex 实例。这些 Agent 不仅能自主审查 PR、扫描安全漏洞，还能合并重复的 GitHub Issue、编写修复代码，甚至能参加会议，根据讨论内容直接生成 PR。

而 Lauren 的玩法更加极致。她认为 99% 的人只发挥了 AI 1% 的实力：“他们只运行一个 Agent，既没有循环也没有图。我运行着一支由 20 多个 GrokBot 组成的团队，全程自主运作。我有幕僚长 Agent、项目经理 Agent，还有 20 多个执行 Agent——这就是工程师的新技术栈。”

要驾驭这么多 Agent，核心秘诀不是“生成代码”，而是 “验证（Verification）”。

Lauren 强调，使用 Agent 最重要的技能是让它真正运行代码、采集性能数据、打开模拟器像真实用户一样去操作。能自我检查的 Agent 会一直工作到任务完成，不能自我检查的 Agent 只会把代码 diff 甩给你，让你成为整个流程中最慢的瓶颈。

试想一下，每月 4000 个 PR，如果每个都靠人花 5 分钟检查，需要 333 个小时，一个人整月不睡觉都看不完。因此，检查系统必须无人介入，与 Agent 并驾齐驱。此时的工程师，更像是一个“Agent 的工程经理”。

为了让 Agent 能顺利接手，Lauren 还对代码库进行了大刀阔斧的重构。她用 600 多个 PR 将 GrokBot 迁移到内部代号 Dune 的架构中，规矩定得极其严苛：

  • 全面禁用 useEffect，消除隐式副作用
  • 绝对禁止写注释，防止模型被过时信息误导
  • 严密校验依赖图，禁止 Electron 主进程和渲染进程交叉导入

当这些护栏架设完成，Agent 爱走捷径的本能被 CI 红线强行扭转，整个开发周期才算实现了真正的自动化。

算力特权下的“AI Slop”工厂？

然而，这种靠无限算力堆砌出来的模式，在社区引发了巨大争议。

Reddit 上的一线开发者们猛烈抨击：这种一个月暴力合入数千个 PR 的行为，根本不是软件工程革命，而是在用不计成本的暴力算力，向代码库里疯狂灌注 “AI Slop”（AI 垃圾内容）。

反对者认为，软件开发的瓶颈从来不是代码生成的数量，而是系统长期的可维护性。一旦失去无限 token 的buff，这些缺乏深思熟虑的微型 PR 将会变成巨大的技术债，让后来的普通维护者苦不堪言。

【编辑观察】 这场天价账单风波，更像是一场 Cursor 与工程师的双赢营销。T3 创始人 Theo 估算，Lauren 实际的内部价可能每月仅 2.5 万到 5 万美元，但带来的曝光度远超百万美元的发布会。Lauren 自己也承认：“我在 AI 实验室工作，token 不限量，我不能说每个人都该照搬我的方法。”

当打工人还在纠结每月 20 美元的订阅费时，顶端的玩家已经在用真金白银探索软件生产的极限。这场豪赌究竟是通向未来的船票，还是泡沫堆砌的狂欢，或许只有等潮水退去，才知道谁在裸泳。