オープンソースプロジェクトであるOpenClawの創設者Peter Steinberger氏は、自身のX（旧Twitter）アカウントで、OpenAI APIの利用ダッシュボードのスクリーンショットを公開した。そこには、過去30日間で1,305,088.81ドル（約2億円）という莫大な利用金額が記録されていた。この請求は、6,030億トークンと760万回のリクエストによって構成されている。
特筆すべきは、この消費が大規模な開発組織によるものではなく、わずか3人のチームによって引き起こされた事実にある。Steinberger氏らはクラウド上で約100のCodexインスタンスを常時稼働させ、ソフトウェア開発の実務に投入している。この莫大なAPI費用は、彼が2026年2月にOpenAIに加わっている背景もあり、OpenAIによって全額カバーされている。主要な消費モデルはGPT-5.5であった。
Steinberger氏は、この130万ドルという金額がCodexの「Fast Mode」の価格設定を反映したものであると説明している。Fast Modeは標準の実行速度よりも高いレートで優先的に計算リソースを割り当て、クレジットを急速に消費する。Fast Modeを無効にした場合のAPIの純粋なコストは約30万ドルに減少する。Codex Proのサブスクリプション（月額200ドル）が1回の請求サイクルで5,000〜6,000ドル相当のAPI価値を提供することを考慮すると、Fast Modeを無効にした状態の利用量でもCodex Proサブスクリプション約60回分に相当する計算になる。
コミュニティからは「1ヶ月で130万ドルを費やして何も生み出していない」という批判も寄せられた。これに対しSteinberger氏は、Fast Modeをオフにすればコストは従業員1人分の給与程度に収まり、人間のエンジニアを1人雇うよりもはるかに多くの作業を処理できると反論している。彼はこのプロジェクトを、トークンのコストが制約とならない場合、ソフトウェア開発がどのように変化するかを検証するストレステストの場と位置付けている。現在、CodexやClaude Code、CursorなどのAIコーディングツールは、開発者のシェアを獲得するために推論コストをAPIレートよりも大幅に安く設定している。Steinberger氏の極端な利用例は、開発者が支払う金額と基盤となる実際の計算コストの間に存在するギャップを数値化して浮き彫りにしたとも言える。
ソフトウェア開発プロセスの全自動化
Steinberger氏のチームが運用するAIエージェントの役割は、コード生成のみに留まらない。プルリクエストのレビューからマージに至るまでのソフトウェアコラボレーション全般に直接介入している。100のAIエージェントは、プルリクエストの全量レビュー、コミット履歴のセキュリティ脆弱性スキャン、GitHubのイシューの重複排除と整理、そして修正コードの自動記述を並行して実行している。
特定のエージェントは、プロジェクトのロードマップに基づいて自律的にプルリクエストを作成する。別のエージェントはパフォーマンスのベンチマークを常時監視し、退行（リグレッション）が検出された場合には即座にDiscordサーバーへレポートを送信する。さらに、チームの会議を傍受し、会話の中で持ち上がった新機能について、会議終了と同時にプルリクエストを作成するエージェントも存在する。
システムの実装には複数の高度なツールが組み合わされている。プロジェクトを機能単位に分割してレビューやバグ発見を行う「Clawpatch.ai」に加え、セキュリティ監査にはVercelの「Deepsec」とCodex Securityを連携させている。メインブランチに修正がマージされると、担当のエージェントが過去の関連イシューを検索し、正確なリファレンスを添えて自動的にクローズする。
ソフトウェア開発において最もコストがかかるのは、コードの記述そのものではない。コミュニケーション、コンテキストの切り替え、コードレビュー、リグレッションの特定、修正、そして待機時間といった調整作業に多大なリソースが費やされる。Steinbergerのアプローチは、組織の神経系を維持するこれらの非創造的なプロセスを、AIエージェントの集合体に完全に委譲する試みである。これにより、人間の開発者はアーキテクチャの設計や根本的な問題解決という、より高度な知的作業に専念することが可能となる。
トークン消費という新たなKPI
APIの利用状況を示すスクリーンショットは、OpenAIの公式ダッシュボードではなく、Steinberger氏自身が開発したmacOS向けのメニューバーアプリケーション「CodexBar」からのものであった。CodexBarは、Codex、Claude、Cursor、Gemini、CopilotなどのAIコーディングツールのアカウント残高、コスト、リセット時間などを一括で追跡するツールである。
これまでプログラマーがメニューバーで確認していたのは、CPU使用率、メモリ空き容量、ネットワーク速度といったハードウェアリソースであった。現在、そこには「トークン」という新しい指標が鎮座している。トークンは単なる計算単位を脱し、ソフトウェア開発における新しい生産手段へと変貌を遂げている。個々のエンジニアがどれだけ効率的にトークンを消費し、AIに作業を委譲できているかが、エンジニアリング能力を測る新しい基準として認識され始めている。
元TeslaおよびOpenAIの科学者であるAndrej Karpathy氏は、ポッドキャストでこの傾向に言及し、AIの利用を最大化することへの圧力を感じていると語った。彼は「重要なのはトークンのスループットだ。どれだけのトークンスループットを動員できるかが問われている」と指摘している。人間の思考速度の限界を、AIによる並列処理（トークン消費）でいかに突破できるかが、現代の開発者における最大の関心事となっている。
実際に、大手テクノロジー企業では「Tokenmaxxing」という現象が起きている。MetaやAmazonは社内でトークン消費量のリーダーボードを公開し、AIの利用を従業員のKPIに組み込んでいる。Metaにおける個人の最大消費量は2,810億トークンであったが、Steinberger氏のチームはわずか1ヶ月でその2倍以上を消費したことになる。OpenAIの社長であるGreg Brockman氏は、トークンが問題解決のための普遍的な入力になりつつあると言及した。タスクの分解手法と検証ループを確立したチームであれば、高いトークンスループットによって、かつての大規模チームと同等のエンジニアリング密度を達成できる。
計算コストの低下がもたらす組織構造の転換
この実験的な取り組みが示唆する最大の影響は、将来的なコストカーブの変動にある。AIコーディングツールを提供する企業は現在、開発者のシェアを獲得するために、APIレートを大幅に下回る価格で推論コストを補助している。OpenAIがCodexをトークンベースの課金に移行したことで、ヘビーユーザーにとってはコストの変動が大きくなったものの、AIモデル自体の推論コストはハードウェアの進化とアルゴリズムの最適化により、長期的に低下し続けている。
現在130万ドルかかる処理能力は、モデルの価格改定が1回行われれば13万ドルになり、さらなる技術革新によって1万3000ドルにまで低下するシナリオが現実味を帯びている。その時点において、100のAIエージェントを同時に稼働させる開発手法は、潤沢な資金を持つシリコンバレーの巨大企業や研究機関の専売特許ではなくなる。
資金力のない3人のスタートアップ企業であっても、クラウド上で稼働する100人の「疲労を知らないAIプログラマー」を指揮し、高度なソフトウェアを迅速に構築することが標準的なオペレーションとなる。Steinberger氏のOpenClawプロジェクトは、モデルの推論コストが極小化された未来のソフトウェア開発プロセスを、現在の莫大な予算を用いて前倒しでシミュレーションしているに過ぎない。計算資源を人間の代替として大量投入する開発スタイルは、組織の規模とアウトプットの比例関係を根底から覆し、次世代のソフトウェアエンジニアリングにおける新たな基準を形成しつつある。
