Criador do OpenClaw estima em US$ 10 milhões o consumo de tokens de IA em um mês
Peter Steinberger, criador do OpenClaw e integrante da equipe técnica da OpenAI, afirmou que suas operações de inteligência artificial consumiram cerca de US$ 10 milhões em tokens ao longo de setembro de 2026. A estimativa foi apresentada em 21 de outubro, durante a conferência Cloudflare Connect, realizada em São Francisco, nos Estados Unidos.
O valor não corresponde a uma despesa pessoal. Segundo Steinberger, os custos foram associados ao processamento de cargas de trabalho de IA e financiados por investidores. Ainda assim, a cifra chamou a atenção para o volume de recursos necessários para operar agentes que fazem numerosas chamadas a modelos de linguagem.
A declaração surgiu durante uma conversa com Dane Knecht, diretor de tecnologia da Cloudflare. Ele observou que Steinberger já havia mencionado dispor de um orçamento quase ilimitado para tokens – uma condição incomum para a maioria dos profissionais e empresas. O criador do OpenClaw ponderou, porém, que um consumo elevado nem sempre se traduz em resultados úteis.
O caso ilustra um dos principais desafios da expansão dos agentes autônomos: controlar o custo de tarefas que podem exigir várias etapas, consultas e tentativas. Quando um sistema recebe autonomia para planejar e executar atividades, cada decisão intermediária pode gerar novas solicitações a modelos de IA. Sem limites e acompanhamento, a conta tende a crescer rapidamente.
Steinberger também avaliou que a infraestrutura ainda não acompanhou o ritmo de evolução dos agentes inteligentes. Na visão dele, muitas tarefas deveriam ser processadas na nuvem, em vez de depender dos computadores pessoais dos usuários. Essa mudança poderia facilitar a disponibilidade contínua dos sistemas, mas não elimina questões relacionadas a despesas, privacidade e cumprimento de normas.
A execução em servidores remotos exige atenção à forma como dados pessoais e informações corporativas são armazenados e processados. Além disso, empresas precisam considerar onde os dados ficam, quem pode acessá-los e por quanto tempo são mantidos. A escolha entre rodar um agente localmente ou na nuvem depende, portanto, não apenas do desempenho, mas também da sensibilidade das informações e dos requisitos de segurança.
Outro assunto da conversa foi a relação entre inteligência artificial e desenvolvimento de código aberto. Knecht mencionou a preocupação de mantenedores com o aumento de contribuições produzidas por IA, especialmente quando o código enviado tem baixa qualidade ou exige muito trabalho para ser revisado.
Para Steinberger, a forma de avaliar essas contribuições precisa evoluir. Em vez de apresentar apenas o resultado final, os desenvolvedores deveriam fornecer elementos que expliquem como chegaram à solução, quais decisões tomaram e como verificaram o funcionamento do código. Esse contexto pode ajudar os responsáveis pelos projetos a entender mudanças e avaliar sua confiabilidade.
A transparência também é relevante porque um trecho de código aparentemente correto pode introduzir falhas, conflitos ou problemas de segurança. A revisão humana continua importante, mas pode ser dificultada quando há muitas alterações sem documentação suficiente. Registrar testes, justificativas e limitações da solução torna o processo mais claro, seja a contribuição escrita por uma pessoa, por uma IA ou por ambas.
Questionado sobre a possibilidade de cada usuário contar com centenas de agentes inteligentes nos próximos anos, Steinberger mostrou ceticismo quanto a esse cenário. Ele prevê, em vez disso, sistemas capazes de acompanhar atividades, prestar assistência de forma contínua e antecipar necessidades antes que a pessoa faça um pedido explícito.
Essa autonomia pode reduzir a necessidade de comandos repetidos, mas também aumenta a importância de definir limites. Um agente que observa rotinas ou executa tarefas em nome do usuário precisa deixar claro quais dados consulta, que ações pode realizar e quando deve pedir autorização. Conveniência e controle precisam avançar juntos.
A segurança foi um dos pontos centrais da discussão. Steinberger afirmou que a confiança nos agentes depende tanto da qualidade dos modelos quanto dos mecanismos de proteção que os cercam. Embora os modelos mais recentes tenham levado a equipe a rever decisões adotadas nas primeiras versões do OpenClaw, os riscos não desapareceram. Ataques de prompt injection, por exemplo, podem tentar induzir um sistema a ignorar instruções ou executar ações indevidas.
Por isso, conceder permissões irrestritas a um agente continua sendo uma prática arriscada. Acesso a arquivos, contas, ferramentas internas e recursos empresariais deve ser limitado ao necessário para cada tarefa. Também é recomendável registrar as ações realizadas e exigir confirmação humana para operações sensíveis, como transferir dinheiro, apagar dados ou compartilhar informações confidenciais.
Uma das estratégias mencionadas por Steinberger é usar um segundo agente para avaliar pedidos feitos pelo primeiro. Nesse arranjo, o sistema encarregado da tarefa precisaria justificar determinada ação, enquanto outro agente analisaria se ela é necessária ou se existe uma alternativa mais segura. A checagem adicional poderia levar os sistemas a reconsiderar decisões e respeitar melhor as restrições definidas.
Esse modelo, contudo, não elimina a necessidade de supervisão. Se os dois agentes tiverem limitações semelhantes, podem cometer erros compatíveis ou interpretar uma solicitação maliciosa de forma parecida. A proteção depende de controles bem projetados, permissões restritas, monitoramento e critérios claros para interromper uma ação quando houver dúvida.
Para organizações que avaliam adotar agentes de IA, a estimativa de US$ 10 milhões também reforça a importância de medir o uso antes de ampliar a operação. É possível acompanhar quantas solicitações cada tarefa exige, estabelecer tetos de consumo e identificar fluxos que geram chamadas desnecessárias. Testes em pequena escala ajudam a revelar custos e riscos antes que a tecnologia seja incorporada a processos críticos.
O episódio não significa que todo projeto de inteligência artificial terá despesas dessa dimensão. O montante citado está ligado a cargas de trabalho específicas e a um orçamento excepcional. Ainda assim, ele evidencia que a expansão dos agentes depende de mais do que modelos capazes: exige infraestrutura eficiente, controle financeiro, segurança e critérios para decidir quais tarefas realmente devem ser automatizadas.