Milion dolarów miesięcznie za armię botów. Peter Steinberger testuje granice automatyzacji programowania
Eksperyment na żywym organizmie OpenAI
Peter Steinberger, znany społeczności open source jako twórca projektu OpenClaw, zaprezentował bezprecedensowe podejście do wykorzystania modeli językowych w procesie deweloperskim. Jego zaledwie trzyosobowy zespół, działający w strukturach OpenAI, zarządza obecnie flotą około stu instancji agentów AI. Nie są to jednak proste chatboty wspomagające pisanie kodu, lecz zintegrowany system autonomicznych bytów, które przejmują kluczowe role w cyklu życia oprogramowania.
Autonomiczni deweloperzy w chmurze
Agenci Steinbergera pracują w trybie ciągłym: analizują pull requesty, usuwają duplikaty zgłoszeń (issues), przeprowadzają audyty bezpieczeństwa commitów, a nawet samodzielnie piszą poprawki. System idzie jednak o krok dalej w stronę pełnej autonomii. Niektóre jednostki monitorują benchmarki i raportują regresje wydajności bezpośrednio na Discordzie. Inne, pełniąc rolę wirtualnych obserwatorów podczas spotkań zespołu, potrafią samodzielnie zainicjować prace nad nowymi funkcjonalnościami, o których zaledwie wspomniano w dyskusji.
Cena postępu: 603 miliardy tokenów
Skala operacji znajduje swoje odzwierciedlenie w comiesięcznej fakturze od OpenAI, która opiewa na kwotę 1,3 miliona dolarów. Tak wysoki koszt generuje 7,6 miliona zapytań i wolumen przekraczający 600 miliardów tokenów. Choć Steinberger przyznaje, że rezygnacja z trybu „Fast Mode” mogłaby zredukować koszty o 70%, świadomie decyduje się na najwyższe dostępne parametry, korzystając z modelu GPT-5.5.
Czy to się opłaca?
Pytanie o zwrot z inwestycji (ROI) w przypadku tak kosztownej infrastruktury pozostaje otwarte, choć Steinberger ocenia go jako „bardzo wysoki”. Kluczowym argumentem jest tu otwartość architektury – wypracowane rozwiązania współpracują zarówno z flagowymi modelami komercyjnymi, jak i rozwiązaniami open source. Projekt OpenClaw staje się tym samym poligonem doświadczalnym, który ma odpowiedzieć na pytanie: jak budowalibyśmy oprogramowanie, gdyby koszt mocy obliczeniowej przestał być czynnikiem hamującym innowacje?
