刚看到
@peterpme 分享的一个夸张数据:
@poteto 过去 30 天在 Cursor 消耗了 1.5 万亿 Tokens。
有人按 API 标价推算,这相当于一年上亿美元的模型费用。但
@theo 很快指出,这个算法忽略了大量缓存 Token 和不同模型的价格,实际成本可能低得多。
不过,我觉得真正值得关注的根本不是账单。
而是一个人,已经可以调度过去整个工程团队都难以想象的 AI 算力。
这也让我重新思考自己正在构建的 AI OS。
最近我一直在尝试让 Codex、多个 Agent 和自动化工作流持续推进项目,包括 Crypto Radar、预测市场工具和其他产品。
但这里有个很容易踩的坑:
Agent 跑了 8 小时,不代表完成了 8 小时有价值的工作。
定时任务触发了,不代表 Codex 真的执行了。
写了代码,不代表通过了测试。
提交了结果,不代表系统真的能用。
所以我现在更关心的是,每一轮 AI 工作究竟留下了什么可以独立验证的成果。
未来个人开发者的竞争,也许不再是谁会写更多代码,而是谁能管理更多真正可靠、持续产出的 AI 执行链。
Token 是投入,经过验证的交付才是产出。
我想继续把这个过程公开记录下来。