2. 3 人团队 30 天烧掉 130 万美元，Agent 创业的账终于开始公开
发生了什么
Peter Steinberger 晒出 CodexBar 截图，显示其团队 30 天调用 OpenAI API 花了 130 万美元，消耗 6030 亿 token，最常用模型是 GPT-5.5。团队只有 3 个人，却调度了 100 个 Codex 小 Agent 协作开发 OpenClaw。
为什么重要
行业这两年总在说 Agent 能把少量人力放大成高产团队，但很少有人把代价也摊开说。130 万美元这个数字第一次把“AI 工程组织的杠杆”与“API 成本的上限”放在同一张桌上：你确实可以用 3 个人指挥 100 个 Agent 并行开发，但这未必天然比雇更多工程师便宜。文章里提到，关闭快速模式后成本下降 70%，月费仍有 40 万美元，这已经不是个人开发者能承受的实验，而是企业级预算问题。它直接对应到另一篇 生成式 AI 初创收入高度集中 的报道：头部 34 家公司年化收入逼近 8000 亿美元，OpenAI 与 Anthropic 两家占了 89%。收入集中，某种意义上就是成本集中——越多人做 Agent，越容易把流水汇入少数模型平台。
| 指标 | 数字 | 含义 |
|---|---|---|
| 团队人数 | 3 人 | 极小团队也能跑出大规模 Agent 工程 |
| Agent 数量 | 100 个 | 软件生产方式正在平台化、流水线化 |
| 30 天成本 | 130 万美元 | 效率提升并不自动等于成本下降 |
| 降本后月费 | 40 万美元 | 即使优化后，仍接近高端研发团队成本 |
具体细节
这条新闻还和 MCP 生产实践 形成互证。Agent 真进生产环境之后，问题不只是 token 花了多少，还包括接口该怎么设计、授权如何细粒度控制、延迟与日志怎么兜底。换句话说，Agent 成本不止是模型账单，还包括一整层基础设施税。今天把账单亮出来的人，等于提前把行业的隐藏成本结构掀开了一角。