3 Orang dengan 100 Programmer AI, Habiskan $1,3 Juta dalam Sebulan! OpenAI: Saya yang Bayar

marsbitDipublikasikan tanggal 2026-05-17Terakhir diperbarui pada 2026-05-17

Abstrak

"Peter Steinberger, pencipta OpenClaw, menggegerkan dengan membagikan tagihan AI timnya senilai $1,3 juta hanya dalam 30 hari. Yang mengejutkan, biaya sebesar ini ditanggung oleh OpenAI. Hanya dengan tiga orang di tim, mereka menjalankan sekitar 100 agen AI (instans Codex) yang secara otomatis menangani berbagai tugas pengembangan perangkat lunak yang rumit seperti meninjau permintaan tarik (PR), menemukan bug, memantau benchmark, dan bahkan membuat PR usai rapat. Penggunaan token yang masif—6,03 triliun token dari 7,6 juta permintaan—menunjukkan pergeseran paradigma: token kini menjadi 'bahan produksi' baru. Steinberger melihat ini sebagai eksplorasi tentang bagaimana pengembangan perangkat lunak akan berubah jika biaya token bukan lagi hambatan. Meski biayanya tampak fantastis, ia menyebut dengan menonaktifkan mode cepat, biayanya lebih rendah daripada gaji satu insinyur, namun hasilnya jauh lebih efektif. Fenomena ini memicu diskusi tentang masa depan peran programmer manusia dan potensi revolusi produktivitas ketika tim kecil dapat mengerahkan 'pasukan' agen AI yang tidak pernah tidur."

Peter Steinberger

Editor: Solomon

【Ringkasan Xin Zhi Yuan】3 orang, 100 agen AI, menghabiskan $1,3 juta dalam sebulan—Bapak OpenClaw mengubah pengembangan perangkat lunak menjadi 'jalur produksi AI', dan OpenAI yang membayar tagihannya.

Orang lain memamerkan slip gaji, dia memamerkan tagihan—hampir $1,3 juta per bulan!

Atau setara dengan hampir 9 juta RMB setiap bulannya. Langsung membuat netizen terkejut.

Bapak OpenClaw, Peter Steinberger, dengan santai membagikan tangkapan layar di X.

Peter Steinberger

Tapi angka di tangkapan layar itu benar-benar luar biasa:

Pengeluaran 30 hari: $1.305.088,81. Menelan 6,030 miliar token. Mengirimkan 7,6 juta permintaan.

Anda tidak salah baca, ini $1,3 juta dolar AS. Bukan juga anggaran AI triwulanan perusahaan besar mana pun—penggunaan oleh tim 3 orang dalam sebulan.

Yang lebih menggelegar: Uang ini, di-reimburse oleh OpenAI.

Bagian komentar langsung heboh.

Ada yang kagum, ada yang meragukan, ada yang mengeluarkan kalkulator dan mulai menghitung 'ini setara dengan berapa programmer'.

Steinberger sendiri menanggapi dengan tenang: "Setelah mematikan mode cepat, pengeluaran saya lebih rendah dari biaya seorang insinyur, dan ini memang membantu jauh lebih banyak."

Terjemahannya adalah—sangat hemat!

Lebih lagi, netizen terkejut dengan insinyur bergaji $400 ribu per bulan—"Pasar kerja San Francisco terlalu gila."

Komentar netizen

Komentar netizen

Ada juga netizen yang penasaran, untuk apa token dalam jumlah besar ini digunakan.

Peter menjawab sebagian besar digunakan untuk pengembangan OpenClaw.

Komentar netizen

Pasukan Programmer di Awan

Yang paling tidak masuk akal dalam hal ini adalah, tim kecil Pete hanya terdiri dari 3 orang.

Mereka terus-menerus menjalankan sekitar 100 instance Codex di cloud, mengerjakan pekerjaan terkotor, paling melelahkan, dan paling menjengkelkan dalam rekayasa perangkat lunak—

Mereview PR, mencari kerentanan keamanan, mende-duplikasi issue, memperbaiki bug, memantau benchmark, mengirim ke Discord setelah menemukan regresi, bahkan langsung membuka PR setelah mendengarkan rapat.

Dengan demikian, AI bukan hanya 'membantu menulis kode', tapi masuk ke setiap celah kolaborasi perangkat lunak.

Ini sangat menakutkan.

Karena yang benar-benar mahal dalam pengembangan perangkat lunak adalah komunikasi, pemahaman, peralihan konteks, peninjauan, regresi, perbaikan, penantian, pekerjaan berulang.

Dulu, banyak waktu tim setiap hari dihabiskan untuk hal-hal yang tampaknya bukan 'kreatif', tapi tanpanya proyek akan berantakan.

Sekarang, Peter melempar semua bagian ini sekaligus ke sekelompok agen AI.

Ini adalah AI yang mulai memelihara sistem saraf suatu organisasi untukmu.

Ilustrasi

Ada satu detail penting dalam tangkapan layar ini: Ini bukan dashboard OpenAI, melainkan CodexBar yang dibuat oleh Peter.

CodexBar adalah alat menu bar macOS untuk melacak jendela penggunaan, kredit, biaya, dan waktu reset berbagai alat pemrograman AI.

CodexBar mendukung banyak layanan seperti Codex, Claude, Cursor, Gemini, Copilot, dll.

Dulu, menu bar programmer berisi apa? CPU, memori, daya baterai, kecepatan internet.

Sekarang ada tambahan satu hal: token. Token sedang berubah menjadi 'alat produksi' baru.

CodexBar

Kata Penutup

$1,3 juta per bulan, 3 orang, 100 agen AI.

Coba renungkan angka-angka ini—tiga manusia, memimpin seratus karyawan digital yang tidak makan, tidak tidur, tidak minta kenaikan gaji, mengerjakan semua pekerjaan satu tim rekayasa.

Ada yang setelah membaca merasa bersemangat: AI akhirnya bukan lagi pajangan yang hanya bisa ngobrol! Ada juga yang setelah membaca merasakan dingin di punggung: Tunggu, kalau begitu kami yang menulis kode ini, nanti ngapain?

Tapi sejujurnya, yang paling membuatku tidak bisa tidur, adalah ucapan Steinberger yang ringan itu: "Saya sedang mengeksplorasi, jika biaya token bukan masalah, pengembangan perangkat lunak akan menjadi seperti apa."

Peter Steinberger

Saudara-saudara, yang dia katakan adalah 'jika'.

Tapi masalahnya, 'jika' ini dengan kecepatan yang terlihat jelas sedang berubah menjadi 'ketika'.

Pekerjaan yang hari ini menghabiskan $1,3 juta, model turun satu putaran harga, $130 ribu. Turun satu putaran lagi, $13 ribu.

Sampai hari itu, 100 agen AI bekerja secara bersamaan, bukan lagi permainan eksklusif para bos Silicon Valley, melainkan operasi dasar tim startup tiga orang mana pun.

Tiga anak muda di garasi, memegang seratus programmer AI yang tidak kenal lelah—gambaran ini, hanya memikirkannya saja sudah tidak masuk akal.

Peter Steinberger membuka kartunya.

Di kartu itu tertulis: Masa depan sudah mengetuk pintu, dan dia tidak berniat menunggu Anda siap.

Referensi:

https://the-decoder.com/for-1-3-million-a-month-openclaw-founder-peter-steinberger-runs-100-ai-agents-that-code-review-prs-and-find-bugs/

https://x.com/steipete/status/2055346265869721905

https://developers.openai.com/codex/speed

Artikel ini berasal dari akun WeChat resmi "Xin Zhi Yuan", penulis: Xin Zhi Yuan

Pertanyaan Terkait

QBerapa jumlah pengeluaran yang dikeluarkan oleh tim Peter Steinberger dalam sebulan untuk menjalankan 100 agen AI?

ATim yang terdiri dari 3 orang ini mengeluarkan biaya sebesar $1.305.088,81 dalam 30 hari untuk menjalankan sekitar 100 agen AI.

QSiapa yang membiayai pengeluaran sebesar 130 juta dollar AS tersebut?

APengeluaran sebesar 130 juta dollar AS tersebut dibayar atau ditanggung oleh OpenAI.

QTugas-tugas apa saja yang dilakukan oleh 100 agen AI dalam pengembangan perangkat lunak ini?

AAgen-agen AI tersebut menangani berbagai tugas pengembangan perangkat lunak seperti meninjau pull request (PR), mencari kerentanan keamanan, menghapus duplikasi issue, memperbaiki bug, memantau benchmark, melaporkan regresi ke Discord, dan bahkan membuat PR langsung setelah rapat.

QApa itu CodexBar dan apa fungsinya?

ACodexBar adalah alat bilah menu macOS yang dibuat oleh Peter Steinberger. Fungsinya adalah untuk melacak penggunaan, kredit, biaya, dan waktu reset dari berbagai alat pemrograman AI seperti Codex, Claude, Cursor, Gemini, dan Copilot.

QApa dampak potensial dari eksperimen ini terhadap masa depan pengembangan perangkat lunak menurut artikel?

AEksperimen ini menunjukkan masa depan di mana, dengan biaya token yang semakin turun, tim kecil dapat menggunakan banyak agen AI untuk mengotomatisasi sebagian besar pekerjaan pengembangan perangkat lunak, mengubah secara radikal cara kerja dan struktur biaya dalam industri ini.

Bacaan Terkait

τ Scaling: Mesin Pertumbuhan Baru yang Dirancang Huawei untuk Era Pasca-Moore

Selama 60 tahun terakhir, industri semikonduktor bergerak dengan menyusutkan ukuran transistor (Hukum Moore). Namun, jalan ini kini mandek: keuntungan proses di bawah 7nm merosot, biaya lithografi sangat tinggi, biaya desain chip melampaui $10 miliar, dan biaya per transistor justru naik. Tim semikonduktor Huawei, berdasarkan 6 tahun penelitian dan 381 chip produksi massal, mengusulkan arah baru: **τ Scaling (Skala Tau)**. Alih-alih berfokus pada ukuran, teori ini menjadikan **waktu** sebagai metrik pengoptimalan inti, dengan menekan waktu karakteristik (τ) secara menyeluruh di seluruh rantai, dari sakelar transistor (pikodetik) hingga tugas di pusat data (detik), mencakup 12 orde besaran. Intinya: **dulu berkompetisi siapa yang lebih kecil, sekarang siapa yang lebih cepat, latensi lebih rendah, dan efisiensi lebih tinggi.** **Apa itu τ Scaling?** τ adalah delay / konstanta waktu di setiap lapisan, dibagi menjadi empat: transistor (kecepatan sakelar), sirkuit (delay transmisi sinyal), chip (delay komputasi dan akses memori), dan sistem (waktu komunikasi ujung-ke-ujung). Tujuannya adalah menekan τ secara holistik di seluruh tumpukan teknologi. **Implementasi di Ponsel: LogicFolding** Tanpa meningkatkan proses manufaktur, chip ditumpuk secara vertikal (3D) dengan *hybrid bonding* presisi tinggi untuk mendistribusikan jalur kritis ke beberapa lapisan. Hasilnya: kepadatan transistor naik 55%, efisiensi energi naik 41%, frekuensi SRAM naik >40%. Target frekuensi Kirin: 3.1GHz pada 2026 dan 4GHz pada 2029. **Implementasi di Pusat Data AI: Tekan Latensi Seluruh Rantai** Intinya adalah mengurangi waktu komunikasi, yang menyumbang 80% konsumsi energi dan 70% biaya. 1. **Unified Bus:** Menghapus protokol berlapis, mengurangi delay akses jarak jauh dari puluhan mikrodetik menjadi sekitar 100 nanodetik (500x lebih cepat). 2. **Interkoneksi Optik Hi-ONE:** Kecepatan 8Tb/s per modul, jarak diperpanjang dari 1 meter (tembaga) menjadi 100 meter (serat optik), mendukung kluster puluhan ribu chip. 3. **3D Folding:** Mengatasi keterbatasan antarmuka pada kemasan 2.5D dengan mengintegrasikan memori, catu daya, dan port optik secara vertikal, memungkinkan skalabilitas seimbang dengan daya komputasi. **Reintegrasi Logika dan Memori** Di era AI, perpindahan data lebih kritis daripada komputasi. Karena itu, memori dan unit logika harus terintegrasi erat secara 3D, menggeser pusat gravitasi industri ke memori dan kemasan lanjutan. **Tantangan yang Tersisa** Termasuk adaptasi alat EDA untuk desain 3D, optimasi variasi proses dan loss interkoneksi vertikal antar wafer, serta penyusunan standar baru untuk efisiensi energi dan pengukuran kinerja. **Kesimpulan** Era penyusutan ukuran Hukum Moore telah berakhir, digantikan oleh era penskalaan waktu. Dengan optimasi arsitektur sistem, penumpukan 3D, dan interkoneksi, peningkatan berkelanjutan dalam kinerja dan efisiensi tetap mungkin tanpa selalu bergantung pada teknologi lithografi paling mutakhir. Ini akan menjadi jalur inti semikonduktor untuk 10 tahun ke depan.

marsbit46m yang lalu

τ Scaling: Mesin Pertumbuhan Baru yang Dirancang Huawei untuk Era Pasca-Moore

marsbit46m yang lalu

NodeStrategy: Proyek DAT Ordinals Pertama, Membawa Narasi Perbendaharaan Strategy ke NFT

**Ringkasan:** NodeStrategy, proyek token Rune di Bitcoin yang disebut-sebut sebagai DAT Ordinals pertama, berupaya meniru narasi "vault" seperti MicroStrategy pada NFT. Proyek ini menggunakan token NODESTRAT untuk membangun perbendaharaan aset berupa koleksi NFT NodeMonkes. Skemanya adalah siklus empat langkah: biaya transaksi 10% digunakan untuk membeli NFT, NFT dijual dengan target keuntungan, dan hasilnya dipakai untuk membeli kembali & menghancurkan NODESTRAT untuk mendorong harga. Namun, desainnya memiliki kelemahan mendasar. Karena Bitcoin L1 tidak memiliki kontrak pintar, biaya 10% itu hanya dapat diterapkan di satu platform perdagangan tertentu (radFi/Bound). Jika token diperdagangkan di tempat lain, siklus pendanaannya akan berhenti. Ini membatasi likuiditas secara ekstrem. Masalah lainnya adalah biaya 10% yang sama justru meredam permintaan. Pembeli dan penjual terkena biaya bolak-balik 20%, menghambat aktivitas perdagangan. Volume rendah berarti sedikit biaya yang masuk ke perbendaharaan, sehingga mekanisme pembelian kembali dan penghancuran token hampir tidak bekerja. Akibatnya, harga token stagnan dan terdiskonto besar (0.46x) dibandingkan nilai aset bersih (NAV) vault. NAV itu sendiri tidak dapat ditebus secara langsung, sehingga tidak mampu mendukung harga. Singkatnya, mesin yang dirancang untuk *number go up* ini justru mengunci dirinya sendiri: bahan bakarnya (biaya transaksi) membunuh permintaan, dan hanya bisa didapat dengan membatasi perdagangan pada satu platform, yang pada akhirnya mencekik likuiditas dan pertumbuhannya.

marsbit52m yang lalu

NodeStrategy: Proyek DAT Ordinals Pertama, Membawa Narasi Perbendaharaan Strategy ke NFT

marsbit52m yang lalu

Agentic Design Patterns: Buku yang Membuat Saya Memahami Kembali "Apa Itu Agent Sebenarnya"

Buku *Agentic Design Patterns* oleh Antonio Gulli (direktur teknik Google) menawarkan kerangka untuk memahami dan membangun AI Agent. Artikel ini menyoroti beberapa konsep kunci: **1. Level Agent (0-3):** Sebagian besar "AI" saat ini hanya Level 0 (LLM telanjang tanpa alat). Agent sejati dimulai dari Level 1 (pengguna alat yang memutuskan kapan dan bagaimana menggunakan alat), Level 2 (pemikir strategis dengan perencanaan dan *Context Engineering*), hingga Level 3 (kolaborasi multi-Agent seperti tim). **2. Context Engineering:** Lebih dari sekadar *prompt engineering*, ini adalah seni menyusun konteks yang tepat (termasuk *system prompt*, data eksternal, data implisit, dan umpan balik) untuk memberi Agent informasi yang terfokus dan relevan, meningkatkan akurasi. **3. Reflection (Produser-Kritikus):** Pola praktis di mana satu Agent (Produser) menghasilkan output, dan Agent lain (Kritikus) dengan peran/prompt berbeda meninjaunya. Mereka berinteraksi dalam loop hingga kualitas memadai. Pendekatan ini meningkatkan kualitas hasil untuk coding, penulisan, dll. **4. Kolaborasi Multi-Agent:** Tidak harus kompleks. Tiga topologi komunikasi umum: Agen Tunggal, Peer-to-Peer, dan Supervisor (agen pengatur yang mengoordinasikan pekerja). Pilihan tergantung pada kompleksitas tugas. **5. Memori Tiga Lapis:** *Session* (memori percakapan sementara), *State* (data sementara untuk satu tugas), dan *Memory* (penyimpanan jangka panjang untuk preferensi dan pembelajaran). Desain strategi penyimpanan dan pengambilan memori penting. **6. Tindakan Langsung:** Artikel menyarankan untuk segera: (a) menambahkan Agent Kritikus pada workflow yang ada, (b) menerapkan *Context Engineering*, dan (c) fokus menyempurnakan satu Agent hingga Level 2 sebelum beralih ke sistem multi-Agent yang kompleks. Buku ini memetakan pola-pola inti dalam pengembangan Agent, membantu developer menghindari "mengulangi penemuan roda" dan membangun sistem yang lebih robust.

链捕手1j yang lalu

Agentic Design Patterns: Buku yang Membuat Saya Memahami Kembali "Apa Itu Agent Sebenarnya"

链捕手1j yang lalu

Sebuah AI Membaca Prospektus SpaceX, dan Menghasilkan Memo Investasi Ini dalam 12 Menit

Sebuah agen AI secara mandiri menganalisis dokumen S-1 SpaceX (226 MB), membeli data pasar real-time menggunakan USDC di blockchain Base, dan menghasilkan memo investasi lengkap dalam 12 menit dengan biaya total $1,87. Memo ini menyimpulkan rekomendasi **"Tahan dan Awasi"** untuk IPO SpaceX. **Argumen Pro:** SpaceX mendominasi 80% massa yang mencapai orbit sejak 2023 dengan kesuksesan Falcon 99%. Starlink memiliki 10,3 juta pelanggan dengan EBITDA disesuaikan $7,2 miliar. Integrasi vertikal dari roket, satelit, spektrum, hingga kemampuan AI (via akuisisi xAI) merupakan aset generasi. **Argumen Kontra:** Divisi AI merugi besar ($6,4 miliar pada 2025) dengan pengeluaran modal tinggi. Utang bersih perusahaan diperkirakan sekitar $550 miliar jika memperhitungkan kewajiban tersembunyi seperti pinjaman jembatan $200 miliar untuk akuisisi xAI, komitmen spektrum EchoStar $19,6 miliar, dan kewajiban kontinjensi lainnya. Pertumbuhan pendapatan melambat, dan struktur kepemilikan saham akan memberi Elon Musk kendali mayoritas pasca-IPO. **Kesimpulan:** Meskipun bisnis Starlink dan peluncuran sangat kuat, risiko signifikan berasal dari divisi AI yang boros biaya, struktur utang yang kompleks, kewajiban kontinjensi besar, dan konflik kepentingan para penjamin emisi. Rekomendasi adalah untuk menunggu harga IPO yang menarik (di bawah ~$350 miliar valuasi implisit) dan memantau pencapaian tonggak kunci Starship serta pengendalian pembakaran uang di divisi AI sebelum mempertimbangkan investasi.

marsbit1j yang lalu

Sebuah AI Membaca Prospektus SpaceX, dan Menghasilkan Memo Investasi Ini dalam 12 Menit

marsbit1j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli BILL

Selamat datang di HTX.com! Kami telah membuat pembelian Billions Network (BILL) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli Billions Network (BILL) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan Billions Network (BILL) AndaSetelah melakukan pembelian, simpan Billions Network (BILL) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading Billions Network (BILL)Lakukan trading Billions Network (BILL) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

81 Total TayanganDipublikasikan pada 2026.05.07Diperbarui pada 2026.05.12

Cara Membeli BILL

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga BILL (BILL) disajikan di bawah ini.

活动图片