Питер Штайнбергер рассказал, на что тратит по 600 млрд токенов в месяц

Автор проекта OpenClaw Питер Штайнбергер в одном из твитов продемонстрировал ^[1] интерфейс инструмента для учёта израсходованных токенов. На скриншоте было заметно, что Питер истратил за последний месяц токенов на $1,3 млн. В комментариях и в другом твите ^[2] Штайнбергер объяснил, как такое возможно.

Австриец Питер Штайнбергер сегодня известен в первую очередь как автор проекта OpenClaw. Рассказы про этого персонального ассистента на основе искусственного интеллекта ^[3] обычно начинаются одинаково: автор PSPDFKit, легковесной библиотеки для отображения PDF, развил продукт до организации среднего размера, в 2021 году выгодно продал долю в компании, а после перерыва забавы ради создал Clawdbot, позднее пару раз переименовав его. На деле ещё до OpenClaw Питер написал ^[4] 43 различных хобби-проекта, а сейчас в его аккаунте ^[5] GitHub 169 репозиториев, содержащих 75 активных проектов.

У Штайнбергера был контрольный пакет в PSPDFKit, который был продан за неназванную сумму — известно лишь, что покупатель всего вложил €100 млн. При желании Питер мог выйти на раннюю пенсию и просто отдыхать, что он и делал в течение трёх лет. Вернуться к программированию помог именно вайб-кодинг: Штайнбергер с удивлением обнаружил ^[6], насколько хорошо код пишут большие языковые модели, вошёл во вкус ^[7] и сегодня код руками не набирает вовсе.

OpenClaw — прожорливый ИИ-агент, который тратит сотни тысяч токенов даже на регулярные запросы HEARTBEAT. Схожими аппетитами обладает автор проекта. В одном из постов в личном блоге от декабря 2025 года Питер обрисовал ^[8] свой методы работы: несколько инстансов Codex, постоянное переключение между ними, агенты получают от человека задачи, а тот проверяет качество исполнения.

Более того, Штайнбергер одновременно работает сразу над несколькими проектами из своей многочисленной коллекции. Кроме собственно OpenClaw там встречаются различные архиваторы личных данных (для WhatsApp ^[9], Telegram ^[10], X ^[11], GitHub ^[12], почты, календаря и контактов ^[13], утилиты для работы с Notion ^[14], Slack ^[15] и Discord ^[16]), бытовой слой (управление Sonos ^[17] и Spotify ^[18] через терминал, инструменты для скриншотов ^[19], сна ^[20], камер ^[21], поиска GIF в терминале ^[22]) и тулзы для самой разработки (обвязки для Codex ^[23], Claude Code ^[24] и MCP ^[25], правила для агентов ^[26], интерфейсы к логам ^[27] и прочая инфраструктура).

Типичный пример последнего пункта — CodexBar ^[28]. Это небольшая утилита для строки меню macOS, показывающая, сколько Codex, Claude Code и другие схожие продукты скушали токенов и долларов денег. Это очень удобно, если нужно знать, когда сбросят лимиты, сколько квоты осталось и не случился ли у провайдера очередной инцидент с даунтаймом.

Вчера Штайнбергер в личном микроблоге показал ^[1], как выглядит новый интерфейс CodexBar. Сделал он это на одном из собственных аккаунтов. Как заметно, за последние 30 дней Питер сделал 7,6 млн запросов на 603 миллиарда токенов стоимостью $1,3 млн.

В комментариях к твиту ожидаемо посыпались вопросы, как такое вообще возможно. Частично Штайнбергер объяснил ситуацию в комментах, частично — в другом твите ^[2].

Основной пункт расходов — это fast mode в самом Codex. Дело в том, что скорость работы продукта настраивается, и ускоренный режим работает в полтора раза быстрее, но тратит ^[29] в 2,5 раза больше кредитов для GPT-5.5 и 2 раза больше для GPT-5.4. Как оценивает ^[30] сам Питер, если бы он отключил fast mode, то траты упали бы на 70 %. (На самом деле если допустить, что используется исключительно GPT-5.5, то падение должно составить лишь 60 %). Однако Штайнбергер не собирается отключать быстрый режим, поскольку, как он говорит ^[31], опция куда полезнее, чем тратить эти деньги на найм людей-разработчиков.

Людей Питер всё же нанимает. OpenClaw вырос из самописа в одно лицо до полноценного проекта, над которым трудится 6 человек. Кроме них в облаке постоянно работает около 100 инстансов Codex, которые проводят ревью каждого пул-реквеста и каждого issue. Если в репозиторий приходит исправление, то ClawSweeper ^[32] рано или поздно найдёт старый issue любой, хоть полугодовой давности и закроет его с точной ссылкой на коммит или пул-реквест. Здесь ClawSweeper — это отдельная система сопровождения, которая по расписанию и по событиям GitHub просматривает открытые issue и пул-реквесты, управляет ими и пишет для них отчёты в Markdown. В текущей конфигурации ClawSweeper обслуживает OpenClaw ^[33], ClawHub ^[34] и самого себя.

На этом автоматизация не заканчивается. Codex запускается на каждом коммите, проверяя его на проблемы безопасности. Другие агенты дедуплицируют issue, ищут кластеры одинаковых проблем и присылают отчёты о том, что важнее всего чинить в первую очередь.

Часть агентов занимается а полноценным воспроизведением багов. Штайнбергер приводит пример: агент может поднять временную машину через Crabbox ^[35], войти, например, в Telegram, повторить сценарий, сделать видеозапись до и после, приложить её к пул-реквесту. Crabbox здесь играет роль удалённого тестового бокса: он арендует или переиспользует машину, синхронизирует туда текущую грязную рабочую копию, запускает команды, стримит вывод и собирает артефакты.

Есть и более агрессивная часть конвейера. Если новый issue хорошо ложится в идеологию OpenClaw, отдельный агент может сразу открыть пул-реквест с реализацией, после чего другой Codex его отревьюит. Комментарии сканируются на спам и оскорбления, прогоняются тесты на производительность, при регрессиях последних отсылаются отчёты в Discord.

Агенты слушают людей напрямую. Некоторые читают ^[36] отзывы от обычных пользователей в сервере Discord проекта. Часть агентов просто слушает ^[37] аудио встреч команды разработчиков и начинает работу ещё до того, как человек успел руками оформить обсуждение в задачу. В последнем случае это связка GPT Realtime 2, OpenClaw и голосовых плагинов.

Для регулярных код-ревью Штайнбергер использует и Clawpatch ^[38]. Этот инструмент из экосистемы лобстеров разбивает репозиторий не просто на файлы, а на так называемые семантические срезы: маршруты, команды, пакеты, тесты и участки с собственными точками входа. После этого агент ревьюит уже ограниченный функциональный блок, а не весь проект целиком, затем собирает находки с уровнем серьёзности, уверенностью, доказательствами и рекомендациями. При необходимости Clawpatch запускает явный цикл исправления для отдельной находки и записывает результаты проверки.

Внутри каждого инстанса OpenClaw находятся не только ключи к API провайдеров, но и крайне чувствительные приватные данные. Тысячи людей каждый день пытаются вскрыть экзоскелет лобстера. Много токенов уходит на безопасность.

В твите Питер упоминает, что задачи по поиску уязвимостей автоматизированы с помощью deepsec ^[39] от Vercel и Codex Security. deepsec — агентный сканер, который сначала ищет подозрительные места статическим анализом, затем поручает Codex или Claude расследовать кандидатов, а после отдельным проходом перепроверяет выводы и экспортирует результат как задачи для людей или агентов. В свою очередь, Codex Security сканирует подключённые репозитории GitHub коммит за коммитом, строит контекст угроз для конкретного репозитория, валидирует находки в изолированной среде и предлагает исправления.

Мониторить и настраивать весь этот зоопарк агентов не приходится, вся система настроена ^[40] для работы в фоне. Забавно, что в само десктопное приложение Codex Штайнбергер почти не заглядывает ^[41], а Claude уже давно не пользуется ^[42].

Показательно, что кроме вопросов про использование токенов в комментариях спрашивали, почему CodexBar настолько прожорлив до ресурсов. Завайбкоженная панель для мониторинга у одного из пользователей съела ^[43] почти 4 ГиБ оперативной памяти ^[44].