6 февраля 2026 года: в последний раз человечество опередило ИИ.
В тот день объём токенов, потраченных людьми на OpenRouter, впервые сравнялся с объёмом, потраченным агентами.
Всего за полгода разрыв между двумя линиями вырос до пяти раз.
По данным OpenRouter, по состоянию на 10 августа потребление токенов агентами выросло с примерно 0,51 триллиона до 7,3 триллиона — в 14 раз; человеческая линия также выросла до 1,4 триллиона, но всего в 2,8 раза.
Такой огромный разрыв даже заставил Питера немного растеряться: кажется, будто прошло 10 лет, хотя 6 февраля было всего полгода назад.
Неважно, кто вы, важно, как вы используете
Сначала проясним, откуда взялись эти данные и как они считались.
OpenRouter — один из крупнейших в мире шлюзов для моделей, с одной стороны подключённый к примерно 70 поставщикам моделей, с другой — к разработчикам, обрабатывая 28 триллионов токенов в неделю.
По оценкам сооснователя и COO Криса Кларка, это составляет примерно 1% мирового объёма инференса, половина которого приходится на США.
Как же среди этих 1% токенов отличают, какие были потрачены людьми, а какие — агентами?
OpenRouter смотрит не на то, кто вы, а на то, как вы используете систему, конкретно — отслеживая поведение по API-ключу:
Насколько активно используются инструменты, сколько секунд между ответами, сколько раундов в диалоге — всего 7 таких сигналов, взвешенных и оценённых, после чего трафик делится на три категории: Agentic, Mixed и Human.
Почему по поведению можно определить?
Всё просто: человек использует ИИ, задав вопрос и сделав паузу, чтобы прочитать, подумать, напечатать; агент же работает непрерывно, постоянно вызывает инструменты, запускает циклы раундов — такой ритм явно не свойственен углеродным формам жизни.
Таким образом, это модель оценки, но направление верное.
Одна человеческая цель сегодня может запускать десятки вызовов моделей и инструментов. Статистика токенов считает не то, сколько людей используют ИИ, а то, насколько глубокую работу ИИ выполняет за человека.
Одна задача агента заменяет сто чатов
Реальный разрыв между человеком и агентом создаёт разница в способах использования.
Как выглядит запрос человека?
Открыть диалоговое окно, ввести промпт, дождаться ответа, скопировать, закрыть.
От начала до конца вы и модель обменялись менее чем десятью сообщениями, на бумаге — максимум несколько тысяч токенов.
Но запрос интеллектуального агента выглядит совершенно иначе.
Вы даёте ему цель, и он начинает действовать самостоятельно: читать файлы, вызывать инструменты, записывать результаты, снова читать, снова корректировать, по кругу, пока задача не будет завершена.
Человек в начальном промпте закладывает цели, правила и контекст, после чего модель продолжает инкрементально читать и писать в этом контексте.
Пока вы ещё обмениваетесь вопросом и ответом, агент уже может работать целый день по одной лишь команде!
Поэтому один и тот же человек, утром вручную копирующий и вставляющий в диалоговом окне, а днём запускающий интеллектуального агента, сразу же увидит, как объём токенов вырастет на порядок.
Слова Питера попадают в точку: реальное изменение масштаба происходит, когда люди начинают позволять агентам работать автономно в течение длительного времени.
Даже самые дешёвые токены могут сжечь бюджет
Увидев цифру в 14 раз, ваша первая реакция, возможно, — «сжигание денег».
Действительно, это сжигание денег, но не в том смысле, как вы думаете.
Питер добавил важное уточнение: поскольку агенты по своей природе многократны, в среднем почти 70% токенов в одном запросе агента приходится на кэшированные промпты, а кэширование, как правило, стоит гораздо дешевле.
Логика проста.
Агент работает над одной и той же целью, многократно перечитывая и перезаписывая: в первый раз он загружает всю эту кучу контекста (стандарты кода, инструкции, списки инструментов) и платит полную цену; в каждом последующем раунде производится только инкрементальное обновление, а часть, попавшая в кэш, оплачивается по гораздо меньшей цене, чем обычный ввод.
Другими словами, почти семьдесят процентов той крутой кривой — это один и тот же контекст, используемый повторно.
Сравнение структуры токенов агента и человека. Кэшированные токены дали почти весь прирост. a16z указывает долю более 85% от общего объёма, в оригинальном посте Питера среднее значение на один запрос — около 70%.
Цена за единицу действительно снижается, но объём потребления стремительно растёт.
CTO Uber Правин Неппалли Нага ранее в этом году раскрыл, что инженеры компании потратили годовой бюджет на Claude Code всего за четыре месяца.
По сообщениям СМИ, одна его двухчасовая демонстрация обошлась в 1200 долларов.
Цена за единицу снизилась на 70%, объём вырос в 14 раз — результат этого умножения несложно подсчитать.
EY приводит ещё более наглядный расчёт: стоимость одного клиентского взаимодействия в 2023 году составляла около 0,04 доллара, а к 2026 году выросла до примерно 1,20 доллара — в 30 раз.
Дело не в том, что модели стали дороже.
Раньше клиент задавал вопрос, система давала ответ, и на этом всё заканчивалось.
Сейчас клиент по-прежнему задаёт тот же вопрос, но за кулисами система проверяет заявки, сверяет запасы, изучает записи, обдумывает, корректирует, проходит десятки раундов, прежде чем выдать ответ.
Одно и то же дело выполняется по-другому, и цена меняется.
Goldman Sachs, в свою очередь, оценивает, что агентский ИИ может увеличить потребление токенов к 2030 году в 24 раза.
Любая статья расходов, выросшая за полгода в 14 раз, заставляет людей тщательно считать. Питер говорит, что именно поэтому открытые весовые модели и дешёвые сервисы токенов внезапно оказались в центре внимания.
И ещё: кэшированные токены, хоть и дешёвые, потребляют память.
Агент работает несколько часов подряд, не начиная с нуля, именно потому, что память удерживает весь этот контекст.
Вот откуда берётся половина ответа на вопрос, почему высокоскоростная память (HBM) сейчас в таком дефиците.
Водораздел — не в том, какую модель вы используете
Значит ли это, что способ сэкономить — перейти на более дешёвую модель?
Настоящий водораздел — не в том, какую модель вы используете.
Одна и та же модель: если вы используете её как поисковую строку, это несколько тысяч токенов в день; если вы подключаете её к своим файлам, инструментам и процессу, способному непрерывно выполняться, — несколько миллионов токенов в день не редкость.
Разница не в модели, а в том, помещаете ли вы её в реальную работу.
Насколько велика эта пропасть, показывает одна группа данных от OpenAI, которую можно использовать в качестве ориентира:
10% компаний, использующих ИИ наиболее глубоко, генерируют в 8,3 раза больше токенов на одного активного пользователя, чем типичные компании. В январе этот разрыв составлял всего 2,6 раза.
За полгода разрыв увеличился более чем в три раза.
Разрыв создаёт не модель, а инфраструктура.
В той же статистике у ведущих компаний 21% активных пользователей еженедельно используют плагины, у типичных компаний — только 9%; уровень внедрения навыков — 19% против 3%. Внутри самой OpenAI этот показатель составляет 95%.
Если упаковать ваши регулярные задачи в набор повторно используемых навыков, агенту не придётся каждый раз начинать с нуля.
Меньше поисков, меньше переделок — экономия денег.
Токены потрачены, кто примет работу?
Однако, какими бы точными ни были расчёты, это ещё не значит, что работа выполнена надёжно.
Взрывной рост трафика агентов не означает, что ИИ действует полностью автономно. Большое количество задач по-прежнему инициируется людьми, и в процессе часто присутствует этап ручного утверждения.
В комментариях к оригинальному посту Питера разработчик, работающий с клиентами из сферы услуг, упоминает, что руководители, которых он обслуживает, никогда не думали полностью отпускать процесс: закупки, отправка, подписание — каждый шаг возвращается к человеку.
Но проблема в том, что возврат не всегда означает, что человека найдут.
Другой практикующий специалист рассказал, что их агент удалил 18 видео из рекламного аккаунта, и это обнаружили только через целый день.
Дело не в том, что модель совершила какую-то нелепую ошибку, а в том, что просто никто не проверил этот шаг.
Расходы на токены могут вырасти в 14 раз за полгода, но количество проверяющих людей не увеличится в такой же пропорции. Возможно, это самый упускаемый из виду и самый дорогой расчёт в этом раунде роста.
Анализ, исследование, черновики, планы — повторяющиеся исполнительские действия вскоре окажутся в избытке.
По-настоящему дефицитными станут проверка, суждение и решение о том, что стоит делать.
ИИ уже стал основным потребителем токенов, но до сих пор он не может подписывать документы за вас.
В будущем реальный вопрос будет не в том, используете ли вы ИИ.
А в том, кто примет работу, выполненную ИИ за вас, и кто решит, каким будет следующий шаг.
Источники:
https://www.linkedin.com/posts/peterjameswalker_february-6th-2026-potentially-the-last-share-7493029881841344512-IK89/
https://the-decoder.com/ai-is-becoming-ais-biggest-customer-as-agentic-token-usage-jumps-14x-on-openrouter/
https://openai.com/signals/enterprise-data/
https://www.a16z.news/p/charts-of-the-week-winds-of-thematic
https://www.ey.com/en_us/insights/ai/agentic-ai-token-costs
Статья из WeChat Official Account «新智元» («Новая эпоха искусственного интеллекта»), автор: ASI启示录; редактор: 元宇
