Создатель OpenClaw Питер Штайнбергер заявил, что за прошлый месяц потратил около $10 млн на токены для ИИ-нагрузок. Для русскоязычных команд, считающих бюджеты на LLM и агентские системы, это не повод копировать масштаб, а наглядная иллюстрация того, во что расходы на токены превращаются без жёстких ограничений и оценки результата.
Штайнбергер, сейчас работающий техническим специалистом в OpenAI, рассказал об этой сумме на конференции Cloudflare Connect 2026 в Сан-Франциско. Как сообщает The Register, деньги были не личными: он отдельно уточнил, что бюджет обеспечивают инвесторы. Когда реакция зала дала понять, что цифра звучит чрезмерно даже для индустрии ИИ, разработчик добавил важную оговорку: далеко не все оплаченные вычисления оказались полезны.
Это признание ценнее самой круглой суммы. В разговорах об ИИ-агентах обычно легко перейти от красивой демонстрации к тезису «пусть модель сама попробует». Но у такого подхода есть счётчик: длинные контексты, повторные запуски, вызовы инструментов, параллельные подзадачи и ошибки агента умножают стоимость одного полезного действия. Если эксперимент не приносит измеримого результата, миллионы токенов остаются просто дорогим способом сгенерировать шум.
Технический директор Cloudflare Дейн Кнехт напомнил собеседнику, что почти безлимитный бюджет на токены доступен далеко не каждой компании. На этом фоне особенно иронично прозвучало рассуждение Штайнбергера о том, что рабочая инфраструктура слишком часто всё ещё завязана на персональный компьютер и должна быть перенесена в облако. Облако действительно упрощает запуск агентов, доступ к данным и масштабирование, но не отменяет ни цену запросов, ни требования к приватности, ни регуляторные ограничения.
Для CTO и продуктовых команд из этого следует довольно приземлённое правило: расходы на токены надо считать не отдельно, а вместе с экономикой процесса. Агент, который за минуты сортирует тысячи обращений в поддержку или помогает инженеру локализовать сбой, может окупаться. Агент, который бесконечно переписывает собственный план, ходит по веб-страницам и запускает одинаковые проверки, нуждается в лимитах, трассировке и праве быть выключенным. «Автономность» без наблюдаемости быстро становится статьёй непредсказуемых расходов.
На той же сессии Кнехт поднял другую болезненную тему: влияние генеративного ИИ на open source. Многие мейнтейнеры уже устали от pull request'ов, созданных моделями и не объясняющих ни мотивацию изменений, ни способ проверки. Штайнбергер не считает это концом открытой разработки, но предлагает менять формат взаимодействия: автор должен показывать ход от задачи к решению, а не перебрасывать через забор готовый патч. Для команды это означает, что проверяемый контекст и воспроизводимость важнее впечатляющего объёма сгенерированного кода.
Не менее осторожно он описал будущее агентских систем. По его мнению, у каждого пользователя не обязательно появятся сотни работающих агентов; вероятнее, появится постоянный помощник, который анализирует контекст дня и иногда приносит ответ до того, как человек сформулировал вопрос. Такой сценарий повышает ценность доступа к данным — и одновременно делает ошибку в разграничении прав гораздо дороже.
Штайнбергер предлагает не выдавать агенту все разрешения сразу, а использовать второго агента как контролёра: тот должен оценивать запрос, обсуждать допустимые действия и удерживать систему в заданных границах. Это не готовый ответ на prompt injection и утечки, но разумное напоминание: модель становится лучше, а доверие к ней не должно расти автоматически. Следующая гонка ИИ-агентов будет идти не только за качеством моделей, но и за умением доказать, что каждый дорогой запуск, каждое разрешение и каждая строка результата действительно нужны. Подробности выступления доступны у .
