Különleges és megdöbbentő belső adatsor látott napvilágot az OpenAI háza tájáról. Peter Steinberger, az OpenClaw nevű nyílt forráskódú projekt alapítója és az OpenAI fejlesztője egy olyan képernyőképet osztott meg a fejlesztői felületről, amely hűen mutatja be, mekkora erőforrást emészt fel egy kiterjedt, teljesen autonóm mesterségesintelligencia-ágensekre épülő infrastruktúra fenntartása.
Példátlan tokenfogyasztás a színfalak mögött
A nyilvánosságra hozott adatok alapján a fejlesztő harminc nap leforgása alatt pontosan 1 305 088,81 dollár értékű OpenAI API-kreditet használt fel. Ez a hatalmas összeg 7,6 millió egyedi kérésből adódott össze, amely összesen 603 milliárd token feldolgozását jelentette. A háttérben futó folyamatokat egy mindössze háromfős emberi csapat felügyelte, a tényleges munkát azonban körülbelül 100 párhuzamosan működő Codex-példány végezte el.
Az ágensek láthatatlan hadserege
A projekt során alkalmazott 100 autonóm AI-ágens nem csupán egyszerű kódrészleteket generált. Steinberger és csapata egy olyan kiterjedt fejlesztési láncot hozott létre, amelyben az ágensek önállóan végezték el egy közepes méretű szoftverfejlesztő vállalat napi feladatait. A virtuális asszisztensek átnézték a pull requesteket, biztonsági réseket kerestek a commitokban, kiszűrték a duplikált GitHub hibajegyeket, javításokat írtak, sőt egyes ágensek online megbeszéléseken is részt vettek, hogy az ott elhangzottak alapján új funkciókat tervezzenek meg. A fejlesztéshez olyan kiegészítő eszközöket is igénybe vettek, mint a Clawpatch.ai, a Vercel-féle Deepsec, valamint a Codex Security.
A gigantikus összeg háttere
A hétforintos havi számla láttán felmerül a kérdés, hogyan maradhat egy ilyen projekt gazdaságilag életképes. Mivel Steinberger idén februárban csatlakozott az OpenAI-hoz, a költségeket teljes egészében a Sam Altman által vezetett vállalat finanszírozza kutatási célból. A fejlesztő tisztázta, hogy a dashboardon látható extrém összeg a Codex úgynevezett Fast Mode árazásának következménye. Amennyiben ezt a funkciót kikapcsolnák és hagyományos módon futtatnák a lekérdezéseket, a nyers API-költségek nagyjából 70 százalékkal alacsonyabbak, körülbelül 300 000 dollár körüliek lennének.
| Mutató megnevezése | Érték / Adat |
|---|---|
| Teljes 30 napos költség | 1 305 088,81 USD |
| Feldolgozott tokenek száma | 603 milliárd token |
| Összes API-kérés száma | 7,6 millió kérés |
| Aktív AI-ágensek száma | ~100 Codex-példány |
| Humán felügyelet (csapattagok) | 3 fő |
| Legmagasabb szintű modell a felületen | GPT-5.5 (2026. április 23-i verzió) |
Magyar szoftverpiaci tanulságok
Bár a projekt közvetlen magyarországi helyszínhez nem kötődik, a hazai szoftverfejlesztő műhelyek és startupok számára komoly tanulsággal szolgál az eset. A tokenalapú elszámolás miatt az autonóm ágensek folyamatos, felügyelet nélküli működtetése pillanatok alatt kezelhetetlen költségeket generálhat. A magyar fejlesztői közösségben zajló diskurzusok is egyre inkább arra világítanak rá, hogy a jövőben a feladat-specifikus modellirányítás (task-level routing) lesz a kulcs: a nem komplex gondolkodást igénylő feladatokat olcsóbb, kisebb modellekhez kell irányítani a költségek optimalizálása érdekében.
A jövő szoftverfejlesztési modellje
Steinberger szerint ez a hatalmas költés valójában egy kísérlet arra vonatkozóan, hogy miként nézne ki a szoftverfejlesztés akkor, ha a tokenek ára és a számítási kapacitás egyáltalán nem jelentene korlátot. Bár a technológiai szektor egy része szkeptikus a generált kódok minőségét illetően, az ágensek párhuzamos áteresztőképessége és sebessége olyan távlatokat nyit meg, amellyel a hagyományos emberi csapatok nehezen tudnak versenyre kelni. A projekt keretében fejlesztett összes eszköz és eredmény teljesen nyílt forráskódú marad a közösség számára.
