AI-агенты обгоняют людей по токенам на OpenRouter — рост в 14 раз

ИИ всё больше использует ИИ. 6 февраля 2026 года могло стать последним днём, когда люди потребляли больше токенов, чем AI-агенты на OpenRouter, выяснил аналитик OpenRouter Питер Уокер со ссылкой на The Decoder. Использование токенов агентами выросло в 14 раз с тех пор, тогда как у людей — лишь в 2.8 раза за тот же период.

OpenRouter работает как маркетплейс-роутер: разработчики и AI-агенты обращаются к десяткам разных провайдеров моделей через единый API, вместо того чтобы интегрировать каждого из них отдельно. Это делает платформу удобным окном в то, как реально распределяется потребление токенов между людьми, набирающими промпты, и агентами, выполняющими задачи самостоятельно.

Потребление токенов AI-агентами на OpenRouter выросло с 0.51 трлн до 7.3 трлн с февраля 2026 года — рост примерно в 14 раз. У людей за тот же период рост составил лишь 2.8 раза. Агенты всё чаще работают самостоятельно на протяжении длинных отрезков времени, запуская дополнительные ИИ-процессы по ходу дела, а не ограничиваясь одним обменом сообщениями между человеком и моделью.

• Использование токенов агентами с февраля 2026: с 0.51 до 7.3 трлн, рост в 14 раз
• Использование токенов людьми за тот же период: рост в 2.8 раза
• Доля токенов агентов из кэшированных промптов: почти 70%
• Кэшированные промпты: тарифицируются намного дешевле свежих токенов
• Микс моделей OpenRouter: смещён к менее токен-эффективным open-weight моделям

Разрыв становится понятен, если посмотреть, что реально делает агент. Человек, общаясь с моделью, отправляет одно сообщение и читает один ответ. Агент, работающий над многоэтапной задачей, циклически проходит через планирование, вызовы инструментов, промежуточные рассуждения и самопроверки, генерируя токены на каждом этапе, которые человек-пользователь никогда напрямую не набирает и не видит. Каждый из этих внутренних шагов засчитывается в общий объём, хотя до человека доходит только финальный результат.

Впрочем, сырые цифры преувеличивают влияние на стоимость. Почти 70% использования токенов агентами приходится на кэшированные промпты, которые тарифицируются намного дешевле свежих токенов, поскольку модель повторно использует уже обработанный контекст вместо того, чтобы обрабатывать его заново. Реальные расходы растут далеко не так быстро, как можно предположить по одному лишь количеству токенов. Это различие важно для тех, кто пытается прогнозировать расходы на ИИ-инфраструктуру только по графикам использования: рост сырых токенов в 14 раз не превращается в рост счёта в 14 раз, поскольку предельная стоимость кэшированного токена может составлять лишь малую долю от стоимости свежего.

Микс моделей OpenRouter смещён к open-weight моделям, которые обычно менее эффективны по токенам, чем модели от OpenAI или Anthropic, так что точный множитель может отличаться на других платформах. Но базовый тренд, вероятно, выглядит похоже и у крупных лабораторий, а инфляция токенов уже началась с reasoning-моделей, которые думают дольше перед ответом, даже когда дополнительное размышление не нужно. Этот сдвиг указывает на более широкий паттерн в том, как расходуются ИИ-вычисления, — ту же динамику, что стоит за тем, как Meta платит Microsoft сотни миллионов за доступ к Azure AI: всё большая доля этих расходов уходит на то, что ИИ-системы координируются с другими ИИ-системами, а не на человека, набирающего один промпт.

Это не финансовый совет — только информация к размышлению.