AI staje się głównym klientem AI – tokeny agentów rosną 14x

Według danych zebranych przez analityka OpenRouter, Petera Walkera, 6 lutego 2026 roku mógł być ostatnim dniem, w którym ludzie zużyli więcej tokenów AI niż autonomiczne agenty. Od tego momentu zużycie tokenów przez agentów wzrosło 14-krotnie, podczas gdy zużycie przez ludzi zwiększyło się jedynie 2,8-krotnie. AI staje się dla samej siebie coraz większym klientem – agenty coraz częściej pracują samodzielnie przez długie okresy, uruchamiając po drodze kolejne procesy oparte na sztucznej inteligencji.

Dane pochodzą z platformy OpenRouter, która agreguje ruch API do wielu dostawców modeli językowych. Mimo gwałtownego skoku liczby przetwarzanych tokenów, faktyczne koszty nie rosną proporcjonalnie – prawie 70 procent zużycia tokenów przez agentów pochodzi z tzw. cached prompts, czyli zapytań rozliczanych według znacznie niższych stawek.

Kluczowe wnioski

• Od lutego 2026 roku zużycie tokenów przez agentów AI na OpenRouter wzrosło z 0,51 biliona do 7,3 biliona, co oznacza wzrost około 14-krotny.
• Zużycie tokenów przez ludzi w tym samym okresie wzrosło jedynie 2,8-krotnie.
• 6 lutego 2026 mógł być ostatnim dniem, gdy ludzie zużywali więcej tokenów niż autonomiczne agenty AI.
• Blisko 70 procent zużycia tokenów przez agentów pochodzi z cached prompts, rozliczanych po niższych stawkach, co ogranicza realny wzrost kosztów.
• OpenRouter skłania się w stronę modeli open-weight, które są mniej efektywne tokenowo niż modele OpenAI czy Anthropic, ale trend prawdopodobnie jest podobny również u dużych laboratoriów AI.

AI konsumuje coraz więcej AI

Skala zjawiska opisanego przez Petera Walkera pokazuje, jak dynamicznie zmienia się struktura zapytań przetwarzanych przez modele językowe. Jeszcze na początku 2026 roku większość ruchu na platformie OpenRouter generowali ludzie – zapytania w chatbotach, wyszukiwania, generowanie treści. Dziś to autonomiczne agenty AI odpowiadają za większość konsumowanych tokenów.

Mechanizm tego wzrostu jest prosty: agenty nie wykonują jednego zapytania i nie kończą pracy. Działają w dłuższych sekwencjach, samodzielnie planują kolejne kroki i w trakcie realizacji zadania uruchamiają dodatkowe procesy AI – kolejne wywołania modeli, podzadania, weryfikacje własnych wyników. Każdy taki krok generuje nowe tokeny, co w skali miliardów interakcji przekłada się na lawinowy wzrost łącznego zużycia.

Autor przywołuje konkretne liczby: od 0,51 biliona do 7,3 biliona tokenów zużywanych przez agentów w okresie od lutego 2026 roku – to wzrost rzędu 14 razy. Dla porównania, zużycie tokenów przez ludzi w tym samym czasie wzrosło jedynie 2,8-krotnie. Różnica w tempie wzrostu jest ogromna i sugeruje, że w kolejnych miesiącach agenty mogą jeszcze bardziej zdominować ruch generowany na platformach udostępniających modele językowe.

Dlaczego koszty nie rosną tak szybko jak liczba tokenów

Choć surowe liczby wyglądają dramatycznie, artykuł zwraca uwagę na istotny szczegół: prawie 70 procent zużycia tokenów przez agentów pochodzi z cached prompts, czyli zapytań korzystających z zapisanego wcześniej kontekstu. Takie zapytania są rozliczane według znacznie niższych stawek niż standardowe tokeny generowane od zera.

To oznacza, że realny wzrost kosztów operacyjnych związanych z pracą agentów jest znacznie mniejszy, niż wskazywałby sam wzrost liczby przetworzonych tokenów. Mechanizm cachingu pozwala firmom oferującym infrastrukturę AI – w tym samemu OpenRouter, które niedawno zostało przejęte przez Stripe za 7,5 mld dolarów – utrzymywać rentowność mimo lawinowego wzrostu zapytań generowanych maszynowo.

Warto zauważyć, że skala tego zjawiska mogłaby wyglądać inaczej na platformach opartych głównie na modelach zamkniętych. OpenRouter skłania się w stronę modeli open-weight, które z reguły są mniej efektywne tokenowo niż modele OpenAI czy Anthropic. Autor artykułu zaznacza jednak, że trend zaobserwowany na tej platformie prawdopodobnie odzwierciedla to, co dzieje się również u największych laboratoriów AI, choć w innej skali liczbowej.

Modele rozumujące jako źródło inflacji tokenów

Wzrost zużycia tokenów przez AI nie zaczął się nagle w 2026 roku. Jak podkreśla artykuł, inflacja tokenów miała swój początek już wraz z pojawieniem się modeli rozumujących – tych, które przed udzieleniem odpowiedzi „myślą” dłużej, generując dodatkowe kroki wnioskowania, nawet w sytuacjach, gdy nie jest to konieczne. Ten mechanizm sam w sobie zwiększał zużycie tokenów na pojedyncze zapytanie, jeszcze przed nadejściem masowej autonomii agentowej.

Dziś zjawisko to nasila dodatkowa warstwa – agenty, które nie tylko rozumują dłużej, ale też samodzielnie orkiestrują całe sekwencje zadań, uruchamiając w trakcie pracy kolejne wywołania modeli. To zbiega się z szerszym trendem opisywanym przez branżę: rosnącym znaczeniem systemów wieloagentowych i automatyzacji procesów, w których ludzki nadzór ogranicza się do zainicjowania zadania, a resztę wykonuje sieć współpracujących ze sobą modeli.

Dla dostawców infrastruktury AI oznacza to zmianę modelu biznesowego – klientem nie jest już wyłącznie człowiek klikający w interfejs czatu, ale coraz częściej sama maszyna, generująca zapytania w imieniu innego systemu. To zjawisko wpisuje się w szerszy kontekst rosnących przychodów z tokenów, widoczny na przykład w wynikach Anthropic, gdzie zannualizowane przychody skoczyły do 65 mld dolarów.

Dane z OpenRouter pokazują wyraźny punkt zwrotny: sztuczna inteligencja przestaje być jedynie narzędziem obsługującym ludzkie zapytania, a staje się coraz istotniejszym generatorem ruchu i przychodów w całej branży AI, choć mechanizmy takie jak caching prompts łagodzą wzrost realnych kosztów.