OpenAI 披露其研究人员在 AI 编程上花了多少钱

事件核心：发生了什么

9月7日，OpenAI 在官方博客中罕见公开内部研究人员的 AI 使用强度。数据显示，截至 8 月中旬，其研究组织中位研究员每天消耗超过 600 美元的 token（按 API 价格估算，并非实际支付金额），较 7 月的 162 美元增长近三倍；而 90 分位的重度用户日消耗已突破 7000 美元。OpenAI CEO Sam Altman 曾在今年 6 月提到，公司最极端的 token 用户每月消耗达 1000 亿 token。自今年 2 月加入 OpenClaw 创建者 Peter Steinberger 也曾在 5 月晒出 130 万美元的月度 token 账单（公司报销）。

OpenAI 称，过去三个月，研究人员对 AI 编程代理的使用量急剧上升，增速超过公司其他团队。这种工具已被用于排查技术问题，内部人工技术支持频道的日均发帖量自 1 月以来下降超过一半。OpenAI 还宣布，已达成 Altman 去年设定的“自动化研究实习生”目标——即能在人类指导下执行任务的代理，并计划在 2028 年 3 月前构建完全自动化的 AI 研究员。

为什么重要

这是大模型头部公司首次以内部数据量化“AI 替代初级研发工作”的真实成本。此前行业更关注 token 价格下降或模型能力提升，而 OpenAI 公布的数据表明：即便对最熟悉模型的团队而言，重度依赖编程代理的推理费用仍是一笔惊人开支——按 API 价格折算，单日 7000 美元意味着一条 22 个工作日的研究流水线每年 token 开销超过 150 万美元。这个数字对三类群体构成直接压力：其一是将 AI 编码工具嵌入日常流程的软件公司，需要在人效提升与算力账单之间重新做财务模型；其二是提供编程代理的厂商（如 Anthropic、Google、Meta 及开源社区），它们必须找到比按 token 计费更可持续的商业模式；其三是投资人，Altman 6 月透露的“1000 亿 token/月”及今天披露的内部消耗，都在提醒市场：大模型推理成本并未消失，只是从训练侧转移到使用侧。

值得注意的是，OpenAI 强调“以 API 价格估算而非实际支付”，说明内部使用享受了远低于市场价的推理成本。若按实际成本衡量，其研究团队的 token 消耗规模可能被高估，但这也反衬出第三方开发者在同等使用强度下要面对的真实商业价格，对 AI 编程服务的定价天花板构成警示。

对用户/开发者/创作者的影响

对普通软件开发者和技术团队而言，最直接的信号是：当头部 AI 公司自己的研究员日均消耗 600 美元 token（中位数）时，除非公司有专门的算力预算，否则个人开发者或中小团队不宜将核心研发流程完全押注在 AI 代理上。更务实的路径是让 AI 处理特定模块（如测试用例生成、代码审查、文档补全），而非让代理独立主导完整功能开发。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对使用 API 的创业公司来说，这份数据提供了一个“成本基准”——如果每次迭代都要靠大模型编程代理完成，其 token 成本可能迅速逼近一个全职初级工程师的薪资。企业采购决策应回归“产出/成本”而非“token 消耗量”的衡量标准。OpenAI 提到研究人员能“更快交付代码、做更多实验”，但并未披露这些 token 投入是否转化为实际的产品质量提升，这点在商业评估中不能忽略。

值得关注的后续

目前公开信息显示，OpenAI 尚未透露其对编程代理的内部定价策略或 API 价格调整计划。后续值得观察三点：

其一，Altman 承诺的“自动化 AI 研究员”若在 2028 年 3 月前落地，其 token 成本是否还会按当前速率增长——如果完全自动化研究任务的单日消耗突破百万 token，商业化路径将天然偏向订阅制而非按量计费；其二，Meta、Amazon 已关闭内部 AI 使用排行榜，OpenAI 却仍在公布内部消耗数据，这种分歧可能影响开发者对“AI 原生研发流程”的信任度——前者意在抑制“为用而用”（tokenmaxxing），后者却在鼓励高强度使用；其三，当 OpenAI 的研究人员日均 token 消耗已超过许多中小客户的月度预算时，模型能力增长与推理成本下降之间的赛跑，将决定编程代理最终是“专业工具”还是“少数巨头的内部特权”。

来源：Business Insider