Wykres tokenów OpenRouter obnaża spór o bańkę AI

Wykres OpenRouter pokazujący tygodniowe zużycie tokenów na platformie stał się nowym symbolem sporu o to, czy branża AI napędza realny wzrost, czy jedynie coraz bardziej rozdmuchane metryki. Od stycznia 2025 roku zużycie tokenów na OpenRouter – platformie, z której korzystają programiści, by podłączać modele AI do swoich produktów – wzrosło o ponad 25 000 procent, z 0,5 biliona do 126,2 biliona tokenów tygodniowo.

Token to podstawowa jednostka przetwarzania danych przez AI – coś w rodzaju galonu paliwa dla silnika. Wykres, opublikowany przez Petera Walkera z OpenRouter, na pierwszy rzut oka wygląda jak dowód gwałtownej, wykładniczej ekspansji sztucznej inteligencji. Problem w tym, że mówi znacznie mniej o rzeczywistym wzroście adopcji, a znacznie więcej o tym, jak zniekształcone stały się dziś metryki tokenowe.

Kluczowe wnioski

• Tygodniowe zużycie tokenów na OpenRouter wzrosło od stycznia 2025 roku o ponad 25 000 procent – z 0,5 biliona do 126,2 biliona tokenów.
• Skok liczby tokenów nie oznacza automatycznie równie dużego wzrostu realnego użycia czy wartości biznesowej – modele rozumujące generują ogromne ilości tokenów „myślenia” przed wypracowaniem odpowiedzi.
• Model GPT-5.6 Luna od OpenAI ostatnio zdominował zużycie tokenów na OpenRouter, choć nie musi to znaczyć, że korzysta z niego więcej użytkowników – model może po prostu generować więcej tokenów na jedno zapytanie.
• Pod względem przychodów prowadzi Astra od OpenAI, a chińskie modele – Kimi, GLM i DeepSeek – rosną bardzo dynamicznie, z dziesięciokrotnym wzrostem miesięcznych wydatków w 2026 roku, choć wciąż z dużo niższego poziomu bazowego.

Dlaczego więcej tokenów nie znaczy więcej wartości

Kluczowy problem z interpretacją wykresu OpenRouter polega na tym, że liczba tokenów nie jest bezpośrednim odpowiednikiem liczby użytkowników, zapytań czy rzeczywistej wartości biznesowej. Modele rozumujące, które przed wygenerowaniem finalnej odpowiedzi produkują długie łańcuchy „myślenia” wewnętrznego, mogą znacząco nadmuchać licznik tokenów, nawet jeśli liczba faktycznych interakcji z użytkownikiem pozostaje stała lub rośnie tylko nieznacznie.

To samo dotyczy niezoptymalizowanych systemów agentowych, które – jak zauważa autor tekstu – potrafią pochłaniać tokeny w zatrważającym tempie, wykonując wielokrotne iteracje, wywołania narzędzi czy powtórne próby, zanim uzyskają pożądany wynik. W efekcie niewielki wzrost faktycznego korzystania z aplikacji może przełożyć się na gigantyczny skok w zużyciu tokenów, tworząc iluzję znacznie większego popytu, niż wynikałoby to z liczby realnych użytkowników czy transakcji.

Kto naprawdę zarabia na tokenach

Dane OpenRouter pokazują ciekawy rozdział między popularnością mierzoną liczbą tokenów a realną wartością mierzoną przychodami. Model GPT-5.6 Luna od OpenAI ostatnio zdominował zużycie tokenów na platformie – co jednak nie musi oznaczać, że korzysta z niego więcej osób. Możliwe, że model ten po prostu generuje więcej tokenów na każde pojedyncze zapytanie, co samo w sobie zawyża jego pozycję w rankingu bez odpowiedniego wzrostu liczby użytkowników.

Inaczej wygląda sytuacja po stronie przychodów – tam liderem jest Astra od OpenAI, wspominana wcześniej w kontekście modelu GPT-6 Astra, który pilotuje drony i samodzielnie prowadzi biznes. Warto też zwrócić uwagę na chińskich konkurentów: Kimi, GLM i DeepSeek rosną bardzo szybko, z dziesięciokrotnym wzrostem miesięcznych wydatków w 2026 roku. Autor zaznacza jednak, że wzrost ten wychodzi z dużo mniejszej bazy początkowej niż w przypadku amerykańskich modeli, co stawia go w innej skali niż surowe procenty mogłyby sugerować.

Metryki tokenowe a debata o bańce AI

Wykres OpenRouter stał się – jak wskazuje tytuł artykułu – swoistym skrótem całej debaty o „bańce AI” w jednym obrazku. Z jednej strony imponujący skok z 0,5 do 126,2 biliona tokenów tygodniowo można odczytywać jako dowód eksplozji popytu na modele AI. Z drugiej strony sama metodologia liczenia tokenów sprzyja zawyżaniu wrażenia wzrostu: reasoning modele i niedopracowane systemy agentowe generują ogromne ilości „niewidzialnej” pracy obliczeniowej, która nie przekłada się liniowo na wartość dla biznesu czy użytkownika końcowego.

To rozróżnienie ma znaczenie dla wszystkich, którzy próbują ocenić rzeczywistą skalę adopcji AI na podstawie publikowanych statystyk zużycia. Skoro liczba tokenów może rosnąć wielokrotnie szybciej niż realna liczba zapytań czy przychodów, sama metryka tokenowa przestaje być wiarygodnym wskaźnikiem popytu rynkowego i staje się bardziej odzwierciedleniem architektury modeli oraz sposobu, w jaki są wykorzystywane w praktyce.

Wykres OpenRouter dobrze ilustruje, jak łatwo pomylić spektakularne liczby z realnym wzrostem wartości. Zanim ktoś powoła się na skok zużycia tokenów jako dowód boomu AI, warto pamiętać, że za dużą częścią tego wzrostu stoją modele rozumujące i agentowe systemy, które po prostu zużywają więcej tokenów na tę samą pracę – nie więcej realnych użytkowników.