AI“打工”首笔工资到账：OpenAI Codex自主接单赚取16.88美元
2026/05/16 11:53阅读量 2
X用户Chris向OpenAI Codex下达“帮我赚5美元”指令，Codex自行找到开源安全审计赏金项目，提交有效拉取请求并完成沟通与验证，耗时约22小时获得16.88美元付款。这一案例证明AI可在有限场景中跑通从寻找到收款的全流程，但任务稀缺、成功率不稳定、成本高昂，规模化落地仍面临诸多挑战。
事件概述
X用户Chris向OpenAI的代码模型Codex发出提示词“做你最擅长的事，帮我赚5美元”。Codex自行搜索到带赏金的开源安全审计项目，针对项目问题提交了有效的拉取请求（PR），并与项目维护者沟通、处理GitHub验证流程。整个流程耗时约22小时，最终项目方接受并合并PR，Chris收到第一笔付款16.88美元（约合人民币114元）。
核心信息
- 自主任务能力：与以往直接给AI分配明确代码任务不同，本次用户仅给出赚钱目标，Codex自主找到可赚钱的代码任务并拆解执行，接入真实任务市场完成闭环。
- 成本与收益：Chris使用的是20美元/月的Plus订阅套餐，Codex同时进行10-20项审计任务，消耗约2200万token。按单次成功计算，月收入约506.4美元（约3441元），但实际需计入token消耗、失败任务沉没成本等，简单推算并不成立。
- 适用场景：边界清晰、金额不大、结果可审核的软件零工（如修bug、补测试、改文档、安全审计）天然适合AI Agent，过去这类任务面向初级开发者、自由职业者、开源贡献者，现在开始向AI开放。
值得关注的问题
- 任务供给有限：适合AI处理且带赏金的开源项目并非每天稳定出现，无法保证重复成功。
- 流程不确定性：提交PR只是第一步，后续审核、合并、付款任一环节均可能失败，成功并非必然。
- 生态冲击：若大量用户通过AI Agent提交PR，开源社区将面临巨大审核压力，打破原有协作平衡。
- 权限与安全风险：Agent需连接GitHub、支付等账号，权限扩大带来更高的安全风险。
- 责任边界模糊：AI提交的代码若引入漏洞或违反平台规则，责任归属尚无明确规则。
此次16.88美元仅是AI“打工”的早期收据，从个案到规模化稳定收入还有很长的距离。