OpenClaw и 100 AI-агентов Codex: сколько стоит агентная разработка

По состоянию на 16 мая 2026 года кейс OpenClaw стал хорошей проверкой на трезвость для всей темы AI-агентов в разработке. По данным The Decoder, команда Питера Штайнбергера держит около 100 облачных инстансов Codex, а 30-дневный счёт OpenAI API дошёл до $1 305 088,81: 603 млрд токенов и 7,6 млн запросов.

Цифра легко превращается в красивый заголовок, но главный вывод не в ней. Этот кейс показывает, как выглядит агентная разработка, когда агент перестаёт быть «помощником в чате» и становится отдельной производственной единицей: ревьюит PR, ищет баги, следит за регрессиями и сам открывает задачи на исправление.

Что именно делает сотня Codex-агентов

The Decoder пишет, что речь идёт примерно о трёх людях в команде OpenClaw, работающих в OpenAI. Их облачные Codex-инстансы заняты не одной задачей, а целым набором инженерных процессов: проверяют запросы на слияние (PR), ищут уязвимости в коммитах, дедуплицируют задачи, пишут исправления, открывают PR по продуктовой идее, мониторят бенчмарки и отправляют сообщения о регрессиях в Discord. Отдельный штрих: часть агентов слушает встречи и запускает PR под функции, которые команда только что обсудила.

Это важное отличие от обычного AI-ассистента для разработчика. В типичном сценарии человек пишет запрос, получает патч и сам решает, что с ним делать. В сценарии OpenClaw человек уже управляет портфелем агентов. У каждого агента есть контекст, инструментальный доступ и кусок процесса, за который он отвечает. Именно поэтому расходы на токены перестают быть «стоимостью вопроса к модели» и превращаются в часть инженерного бюджета.

$1,3 млн не равны цене команды

Счёт в $1,3 млн за месяц звучит как безумие только до тех пор, пока его читают как тариф на «замену разработчиков». Так читать нельзя. The Decoder прямо указывает, что счёт оплачивает OpenAI, а эффективность этого процесса не подтверждена независимым аудитом. Мы видим расход, набор задач и слова Штайнбергера о высокой отдаче, но не видим полной производственной бухгалтерии: сколько PR приняли люди, сколько пришлось откатить, сколько багов были ложными, сколько времени ушло на контроль.

Полезнее смотреть на арифметику как на инженерный сигнал. Если разделить $1 305 088,81 на 603 млрд токенов, получится около $2,16 за миллион токенов. Если разделить тот же счёт на 7,6 млн запросов, получится примерно $0,17 за запрос. Это грубые средние, а не тариф OpenAI: внутри могли быть разные модели, режимы, кэширование и типы задач. Но такой пересчёт показывает масштаб: при сотне постоянно работающих агентов даже небольшие циклы «подумал, вызвал инструмент, перепроверил, повторил» быстро становятся заметной статьёй расходов.

Мы уже разбирали похожую механику в материале про tool-use tax у LLM-агентов. Чем больше агент вызывает инструменты, повторяет проверки и гоняет промежуточные гипотезы, тем сильнее растёт не только цена, но и поверхность для ошибок. OpenClaw просто показывает это не на абстрактной схеме, а на счёте с шестью знаками.

Fast Mode объясняет часть экономики

Один важный кусок этой истории связан с Fast Mode в Codex. The Decoder передаёт позицию Штайнбергера: по его словам, отключение Fast Mode само по себе снизило бы расходы примерно на 70%. Это не значит, что любая команда получит такую же экономию. Но официальная документация OpenAI подтверждает логику: Fast Mode ускоряет поддерживаемые модели в 1,5 раза и потребляет больше кредитов. Для GPT-5.5 указан коэффициент 2,5 от Standard rate, для GPT-5.4 — 2 раза.

Здесь и появляется настоящая развилка. Если агент делает разовое ревью, Fast Mode может быть вопросом удобства. Если таких агентов около сотни и они постоянно проверяют PR, ищут регрессии безопасности и реагируют на встречи, скорость превращается в финансовую настройку. Быстрее значит не просто «приятнее». Быстрее значит «дороже на каждом цикле».

Чем это отличается от обычного помощника в IDE

Кейс OpenClaw интересен не тем, что кто-то много тратит на API. Большие счета на вычисления в ИИ уже никого не удивляют. Новое здесь в том, что разработка начинает напоминать операционную систему из агентов. Один агент смотрит PR, второй ищет уязвимости, третий следит за метриками, четвёртый пишет фикс, пятый приносит идею с созвона в репозиторий.

В таком режиме качество зависит не только от модели. Важны маршрутизация задач, права доступа, контекст, правила остановки, человеческое ревью и дисциплина возврата к исходникам. Если агентная сессия длится долго, она ещё и начинает страдать от потери контекста. Это отдельная проблема: мы подробно писали, почему context compression ломает AI coding agents. Для сотни агентов этот риск не исчезает, а масштабируется вместе с количеством параллельных решений.

Где риски

У OpenClaw уже есть публичная история безопасности, и её нельзя выкидывать из контекста. В феврале Cubic написал, что его агенты нашли в OpenClaw критические уязвимости, собрали исправления для четырёх самых серьёзных и отправили PR, которые команда OpenClaw быстро приняла. Там же важная характеристика продукта: OpenClaw умеет читать файлы, отправлять письма, открывать браузер и запускать команды в терминале. Это полезно, пока контур прав выстроен правильно. Это опасно, если агент ошибается или получает вредный ввод.

Поэтому новый кейс не отменяет предыдущий разговор про риски автономных AI-агентов. Скорее наоборот: чем ближе агенты подходят к реальному инженерному процессу, тем дороже становятся ошибки доступа, неверные PR и слабые проверки. Проверки безопасности в списке задач звучат хорошо, но сами агенты тоже нуждаются в таких проверках.

TechCrunch в апреле отдельно показывал ещё один слой этой темы: Anthropic перевёл использование OpenClaw и других сторонних обвязок из подписочного режима в отдельную оплату по потреблению, объясняя это более тяжёлыми паттернами нагрузки. Для рынка это неприятный, но логичный сигнал. Агентные циклы потребляют иначе, чем обычный чат. Они дольше живут, чаще вызывают инструменты и могут повторять действия до результата.

Что брать командам из этого кейса

Повторять бюджет OpenClaw почти никому не нужно. Повторять вопросы, которые он ставит, стоит уже сейчас.

• Сколько стоит один агентный цикл от постановки задачи до принятого PR, а не один запрос к модели?
• Какие действия агент может выполнять без человека, а какие должны останавливаться на ревью?
• Как измеряется качество: принятыми PR, найденными багами, снижением регрессий или только числом сгенерированных патчей?
• Где хранятся логи агентных решений, чтобы можно было понять, почему появился конкретный diff?
• Что происходит, когда агент ошибается: откат, изоляция прав, блокировка инструмента или просто новый промпт?

Если на эти вопросы нет ответов, сотня агентов не ускорит разработку. Она просто умножит хаос на сто. Если ответы есть, начинать можно куда скромнее: с одного агента на ревью PR, второго на разбор задач и третьего на регрессионные проверки. Главное — считать не «сколько токенов сожгли», а сколько проверенной инженерной работы прошло через контур.

Вывод

OpenClaw и 100 AI-агентов Codex — это не история о том, что разработчиков пора заменять облаком. Это история о том, как меняется стоимость разработки, когда агент становится постоянным участником процесса. В таком мире токены, запросы, скорость режима, права доступа и человеческое ревью оказываются в одной таблице расходов.

Счёт на $1,3 млн выглядит экстремально. Но он полезен именно как крайний пример. Он показывает, что агентная разработка в проде упирается не только в «ум модели». Она упирается в экономику циклов, управление контекстом и способность команды доказать, что сгенерированное агентами действительно стало качественным кодом.

Источники

• The Decoder: For $1.3 million a month, OpenClaw founder Peter Steinberger runs 100 AI agents that code, review PRs, and find bugs, опубликовано 16 мая 2026 года, проверено 16 мая 2026 года.
• OpenClaw official site, использовано для базового описания продукта, проверено 16 мая 2026 года.
• OpenAI Developers: Codex Speed, использовано для Fast Mode и коэффициентов расхода кредитов, проверено 16 мая 2026 года.
• Cubic: We found and fixed critical security vulnerabilities in OpenClaw, опубликовано 5 февраля 2026 года, проверено 16 мая 2026 года.
• TechCrunch: Anthropic temporarily banned OpenClaw’s creator from accessing Claude, опубликовано 10 апреля 2026 года, проверено 16 мая 2026 года.