Sada AI-agentti ja 1,3 miljonit dollarit kuus keelemudeli tokenitele: kuidas eksperdid Codexit kasutavad

OpenClaw looja ja CodexBari autor Peter Steinberger näitas X-is OpenAI API kulupaneeli ekraanitõmmist, mis paistab isegi AI-turu mõõtkavas peaaegu absurdne: 19 985,84 dollarit jooksval päeval ja 1 305 088,81 dollarit 30 päevaga. Samal pildil on näha 603 miljardit tokenit ja 7,6 miljonit päringut kuus.

Oluline on täpsustada: see ei ole auditeeritud finantsaruanne ega sõltumatu pangakonto kontroll. Neuro.ee tugineb Steinbergeri postituses nähtavale ekraanitõmmisele ja omistab arvud just temale. Huvitavam pole siiski summa ise. Kõrvalpostituses selgitab Steinberger reaktsiooni oma AI-kuludele nii: OpenClaw ümber jookseb pidevalt umbes sada Codex-agentti pilves ning eksperimendi põhiküsimus on „kuidas me tulevikus tarkvara ehitame, kui tokenid ei loe?“

Miks see pole lihtsalt „kallis mudeli jooksutamine“

Tavaliselt nähakse API arvet kuluna: mitu päringut, mitu tokenit, kuhu panna limiit. Steinberger pakub teistsugust vaadet. Kui agent võib tundide kaupa koodi lugeda, regressioone otsida, teste kirjutada, hüpoteese kontrollida ja valmis patch’iga tagasi tulla, muutuvad tokenid mitte juturoboti kuluks, vaid tootmisressursiks.

See meenutab hetke, mil pilv ei olnud enam „serverite rent“, vaid viis eksperimente kiiremini käivitada. Agentliku arenduse uus majandusühik ei ole üks prompt ega isegi üks inseneritund. Uus ühik on komplekt „ekspert + paralleelne agentide armee + tulemuse kontroll“.

Seetõttu ei ole 1,3 miljonit dollarit 30 päevaga, kui seda lugeda avaliku eksperimendina, lugu luksusest. See on äärmuslik juhtum: mis juhtub, kui kogenud insener lõpetab mudelitöö kokkuhoiu ja hakkab sellega ostma eksperimendi kiirust.

OpenClaw kui agentliku töö labor

Kontekst teeb loo tugevamaks. OpenClaw on avatud personaalne AI-assistent, mis töötab tuttavates kanalites nagu Telegram, WhatsApp, Slack või Discord, ühendub kohalike tööriistade, failide ja brauseriga ega ela ainult ühes vestlusaknas. GitHubis kirjeldatakse projekti kui kasutaja enda seadmete personal AI assistant’i; kontrolli hetkel on repol sadu tuhandeid tähti ja kümneid tuhandeid fork’e.

Steinberger ei ole juhuslik kommenteerija. Oma saidil on ta kirjutanud, et liitus OpenAI-ga agentide kallal töötamiseks ning OpenClaw peaks jääma avatuks ja sõltumatuks. Teises tekstis kirjeldas ta arendust „inference-speed’il“: Codex loeb enne muudatusi vahel kauem koodi, kuid just see säästab ümbertegemise aega.

CodexBar ei ole siin ka ainult kena menüüriba. Projekti kirjelduse järgi näitab macOS-i rakendus AI-pakkujate limiite, krediite, kulusid ja lähtestusaknaid. Tööriist sündis päris valust: kui töötad mitte ühe juturoboti, vaid agentprotsesside pargiga, muutub kulude jälgitavus inseneritaristu osaks.

Mida see konsultatsiooni ja väikeste tiimide jaoks muudab

Konsultatsioonile on see loogika korraga ahvatlev ja ohtlik. Varem piiras skaalat vanemspetsialistide arv: hea arhitekt või arendaja sai vedada vaid piiratud hulka projekte, sest tal on üks pea ja üks päev. Agentlik mudel muudab pudelikaela kuju. Ekspert on endiselt vajalik, kuid osa tööst liigub paralleelsetesse järjekordadesse: koodibaasi uurimine, migratsiooni ettevalmistus, API kontroll, testide kirjutamine, raporti koostamine, lähenemiste võrdlus.

Väike tiim saab käituda nagu palju suurem tiim — aga ainult siis, kui ta oskab juhtida ülesandeid, konteksti, kontrolli ja vastutust. Agent ei tühista arhitektuuri, tootemaitset ega inseneridistsipliini. Ta teeb need veel olulisemaks, sest halb ülesandepüstitus võib nüüd korrutada end kümnete paralleelsete protsessidega.

Äri jaoks ei ole põhiküsimus „kui palju üks päring maksab?“, vaid „kus kallis päring on odavam kui viivitus?“. Kui agentide pakk kontrollib üleöö midagi, mida tiim lükkaks kaks nädalat edasi, võib majandus toimida isegi suure arvega. Kui agendid põletavad token’eid ilma testide, mõõdikute ja review’ta, muutub sama süsteem kiireks eelarvepõletiks.

Arendaja uus roll

See lugu näitab hästi kutseala nihet. Arendaja väärtus ei seisne üha vähem käsitsi ridade trükkimises ja üha rohkem oskuses töö kontrollitavateks ülesanneteks jagada, valida mudel ja tööriist, anda agentile õige kontekst, märgata nõrka tulemust ja mitte lasta ohtlikku muudatust läbi.

Vanas majanduses skaleerus tugev insener värbamise, protsesside ja juhtimise kaudu. Uues skaleerub ta ka agentide pargi kaudu. See ei tähenda, et inimesi pole vaja. Vastupidi: mida odavamaks muutub mudelitöö, seda kallimaks muutub inimene, kes mõistab, millist tööd üldse käivitada tasub.

Neuro.ee järeldus

Steinbergeri ekraanitõmmist ei tasu lugeda universaalse soovitusena „kulutage miljon tokenitele“. Enamiku tiimide jaoks oleks see absurdne ja ohtlik retsept. Varajase signaalina on see aga oluline: eksperdid kasutavad AI-agente juba skaalas, mis meenutab mitte koodiabimeest redaktoris, vaid väikest arvutusvabrikut ühe tugeva operaatori ümber.

Järgmine konkurentsipiir arenduses ei pruugi kulgeda nende vahel, kes „kasutavad AI-d“, ja nende vahel, kes ei kasuta. See kulgeb nende vahel, kes oskavad juhtida mudelitööd tootmissüsteemina, ja nende vahel, kes peavad token’eid endiselt kuu lõpu veidraks kuluartikliks.

Fraas „tokenid ei loe“ ei tähenda, et raha ei loe. See tähendab muud: kui mudelitöö muutub piisavalt kättesaadavaks, saab peamiseks piiranguks taas inimese võime esitada õigeid küsimusi, ehitada kontrollisüsteem ja muuta agentide paralleeltöö päris tooteks.