这两天有个热闹的话题，就是OpenClaw（龙虾）的创始人 Peter Steinberger 在X上贴出了自己使用的token消耗量，如下图，
图片来源于Peter Steinberger X.com 上帖子
从截图上来看，他一个月消耗的 Token 数量为6030亿。
有人计算了下，相当于
平均每天要花费4万多美元
这显然是个非常疯狂的数字，不过实际上虽说用了这么多，但他是 OpenAI 公司的员工，可以无限量免费使用公司的token，自然也不用每天花那么多钱了。
但是说到token消耗，这玩意说真的，真是很费钱啊。
有人跟我抬杠，说他用了几个小时，也不过花了几块钱。嗯，我这里说的都是强模型，那种模型聊天吹牛可以，但没办法用来工作的模型，不在我的讨论范围。
我看了下我自己的使用，比如昨天用了刚推出的最新Opus4.8，最贵的一条命令，消耗了715万 token，用了我5.71美刀，折合人民币38.64元，如下图，
这只是一个命令任务花费的，要知道，一天工作可不止提交这一个指令。我算是很谨慎了，但每天用去几十刀也很正常。
不是我想这样，实在是其它的大模型太拉跨，“货比货就想扔”,我自己同时在用的大模型有3、4个，有时候你不得不用其中一个你认为最好的。
codex其实也不错，包月便宜实惠。但是，我发现它有个很大的问题，就是总喜欢“做好事”。
比如你要做某个功能，它会帮你完成后，然后“好心”再“顺手”增加或调整下另外某处功能，看起来是好意，但这玩意就是个双刃剑，甚至可以说就是坑。。。
为啥？
原因也很简单，AI 永久了，人就会变得懒惰，很多工作都会交给AI，审查时也只是大概看下，修改的内容多了，自然会漏掉一些。这样时间久了，就会出现你修改后边的内容，忽然发现前边之前确认过的内容或模块发生问题，反复检查之后，才发现是被之前不知道何时早已改坏，而这坑直到问题出现时才发现。。。
我之前提到过，去年年底到今年年初以来，AI编码这里提升很大，最重要的是，解决了大部分幻觉问题。但是，鉴于目前AI都是基于上下文理解，彻底已解决幻觉我认为这话还为时过早，或许可以说之前已经解决了90%的幻觉问题，剩下的10%似乎离彻底解决不远了。。。
实际上呢，我现在的感受是，剩下的10%如果看作一个问题整体，下次再解决30%、50%。。。这就是个无解的方程，只要基于目前这种上下文方式，而不是像人类那样通过彻底理解，估计幻觉问题永远都会存在剩下10%的问题存在了。
AI看起来非常聪明，似乎无所不能，但它当下最大的问题，就是不知道对与错，只能永远给出一个它认为最大概率正确的“答案”。
