OpenClaw consumió 1,3 millones de dólares en tokens de OpenAI en un mes y vuelve a poner el foco en el coste real de programar con agentes

El vibe coding sigue avanzando, pero a veces deja cifras que ayudan a aterrizar mejor el debate. El creador de OpenClaw, Peter Steinberger, mostró un panel de uso con 1.305.088,81 dólares en gasto de API de OpenAI en 30 días, una cantidad generada por un equipo de solo tres personas que operaba alrededor de 100 instancias de Codex. Según recogió Tom’s Hardware, ese consumo sumó 603.000 millones de tokens a través de 7,6 millones de peticiones.

La cifra impresiona por volumen, pero también por lo que representa. OpenClaw se ha convertido en una especie de laboratorio para explorar qué ocurre cuando se elimina, o al menos se difumina, la barrera del coste. En este caso, además, la factura no la pagó el propio desarrollador, sino la propia OpenAI, ya que Steinberger trabaja en la compañía desde febrero. Eso cambia por completo la lectura económica del experimento, porque permite probar un modelo de automatización intensiva sin la presión directa de tener que justificar cada dólar invertido.

Según los detalles conocidos, esos agentes no se limitaban a completar código o responder preguntas puntuales. Parte de ellos revisaban pull requests, analizaban commits en busca de fallos de seguridad, eliminaban duplicados en GitHub, redactaban correcciones y hasta abrían nuevas propuestas de cambio ligadas al roadmap del proyecto. Algunos también vigilaban métricas de rendimiento y alertaban de regresiones en Discord. La automatización, por lo tanto, no era marginal, sino bastante cercana a una cadena de trabajo continua alrededor del desarrollo de software.

Steinberger explicó después que esa cifra de 1,3 millones correspondía al uso de Fast Mode, una modalidad con un consumo de créditos mucho más alto. Sin ese modo, el coste bruto se habría quedado cerca de los 300.000 dólares. Aun así, sigue siendo una cantidad enorme para un equipo tan pequeño. Ese matiz no rebaja el fondo del asunto, sino que lo hace todavía más interesante, porque muestra hasta qué punto el desarrollo con agentes puede depender hoy de precios subvencionados o de condiciones que difícilmente son extrapolables a la mayoría de empresas.

La programación con agentes avanza, pero su economía real sigue llena de interrogantes

Durante los últimos meses, el mercado ha normalizado herramientas que prometen multiplicar la productividad del desarrollador, desde Codex hasta Cursor o Claude Code. Sin embargo, detrás de esa promesa sigue habiendo una pregunta incómoda. ¿Cuánto cuesta realmente sustituir o automatizar trabajo humano cuando se escala de verdad el uso de estos sistemas? El caso de OpenClaw no demuestra que el modelo sea inviable, pero sí deja claro que el precio de inferencia y de coordinación puede dispararse mucho más de lo que sugieren las suscripciones mensuales para usuarios corrientes.

Hace apenas unos días, un informe de Gartner recordaba que despedir no garantiza retorno de la inversión cuando una empresa automatiza procesos con inteligencia artificial. La idea de fondo era bastante clara, es decir, abrir hueco presupuestario no equivale automáticamente a crear valor. El coste de la IA no termina en la licencia, sino que incluye supervisión, rediseño de flujos, consumo de cómputo y gestión de una infraestructura que muchas veces sigue estando fuertemente subsidiada.

Ese es, probablemente, uno de los grandes dilemas actuales. Mientras las plataformas compiten por atraer desarrolladores, buena parte del mercado vive en una etapa en la que la tecnología está parcialmente subvencionada, ya sea mediante planes por debajo del coste real, créditos internos o estrategias agresivas para ganar cuota. Eso permite crear una sensación de abundancia que funciona bien en fase de adopción, pero que no siempre refleja la economía final de operar estas herramientas a gran escala y de forma sostenida.

En ese sentido, el caso de OpenClaw muestra lo que puede hacerse cuando el presupuesto deja de ser una restricción, pero también evidencia que la automatización total no es automáticamente barata. Puede acelerar tareas, ampliar capacidad y cambiar la forma de programar, sí, pero todavía queda por resolver si esa ecuación sale mejor que contratar más personas, organizarlas mejor o combinar ambos enfoques. La carrera de los agentes de código sigue avanzando, aunque el debate sobre su rentabilidad real está, en el fondo, mucho menos resuelto de lo que a veces parece.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!