Ngày 6 tháng 2 năm 2026, lần cuối cùng con người chạy nhanh hơn AI.
Ngày hôm đó, lượng token mà con người sử dụng trên OpenRouter lần đầu tiên bị các tác nhân thông minh bắt kịp.
Chỉ sau nửa năm, hai đường thẳng đã cách nhau 5 lần.
Theo thống kê của OpenRouter, tính đến ngày 10 tháng 8, lượng token được sử dụng cho các tác nhân (Agent) đã tăng từ khoảng 0,51 nghìn tỷ lên 7,3 nghìn tỷ, gấp 14 lần; đường thẳng của con người cũng tăng lên 1,4 nghìn tỷ, nhưng chỉ gấp 2,8 lần.
Khoảng cách lớn như vậy khiến Peter cũng hơi choáng váng: cứ như cách nhau 10 năm, nhưng ngày 6 tháng 2 thực ra chỉ là nửa năm trước.
Không xem bạn là ai, chỉ xem bạn dùng thế nào
Trước tiên cần nói rõ, số liệu này lấy từ đâu và tính toán như thế nào.
OpenRouter là một trong những cổng kết nối mô hình lớn nhất toàn cầu, một đầu kết nối với khoảng 70 nhà cung cấp mô hình, đầu kia kết nối với các nhà phát triển, mỗi tuần xử lý 28 nghìn tỷ token.
Theo ước tính của Chris Clark, đồng sáng lập kiêm COO, con số này chiếm khoảng 1% lượng suy luận toàn cầu, trong đó một nửa đến từ Mỹ.
1% token này, làm thế nào để phân biệt đâu là người, đâu là Agent?
OpenRouter không xem bạn là ai, mà xem bạn sử dụng như thế nào, cụ thể là theo dõi hành vi thông qua khóa API:
Việc gọi công cụ có thường xuyên không, thời gian giữa hai phản hồi là bao nhiêu giây, một cuộc hội thoại diễn ra bao nhiêu lượt, tổng cộng có 7 tín hiệu như vậy, sau khi tính trọng số và chấm điểm, chia lưu lượng thành ba mức: Agentic, Mixed, Human.
Tại sao nhìn hành vi là có thể phân biệt được?
Lý do rất đơn giản, con người dùng AI là hỏi một câu rồi nghỉ một lúc, giữa chừng cần đọc, suy nghĩ, gõ phím; Agent thì không ngừng nghỉ, liên tục gọi công cụ, chạy vòng lặp hội thoại, nhịp độ này nhìn là biết không phải sinh vật carbon.
Vì vậy, đó là một mô hình ước tính, nhưng hướng đi sẽ không sai.
Một mục tiêu của con người ngày nay, có thể kích hoạt hàng chục lượt gọi mô hình và gọi công cụ. Thống kê token không phải là có bao nhiêu người đang dùng AI, mà là AI đã thay con người làm những công việc sâu đến mức nào.
Một nhiệm vụ của Agent, bằng một trăm lần trò chuyện
Điều thực sự tạo ra khoảng cách giữa con người và Agent, là cách sử dụng khác nhau của hai bên.
Yêu cầu của con người trông như thế nào?
Mở hộp thoại, gõ một đoạn gợi ý, đợi một câu trả lời, sao chép đi, đóng lại.
Từ đầu đến cuối, bạn và mô hình tổng cộng nói chưa đến mười câu, trên sổ sách nhiều nhất là vài nghìn token.
Nhưng yêu cầu của tác nhân thông minh, hoàn toàn là một hình thức khác.
Bạn đưa cho nó một mục tiêu, nó sẽ tự động thực hiện: đọc tệp, gọi công cụ, viết kết quả, đọc lại, sửa lại, vòng vòng cho đến khi nhiệm vụ kết thúc.
Con người trong đoạn gợi ý ban đầu đã nhồi nhét đầy mục tiêu, quy phạm và ngữ cảnh, sau đó mô hình liên tục đọc ghi tăng dần dựa trên ngữ cảnh này.
Khi bạn còn đang hỏi một câu trả lời một câu, Agent đã có thể dựa vào một câu nói để chạy cả ngày!
Vì vậy, cùng một người, buổi sáng còn đang sao chép dán thủ công trong hộp thoại, buổi chiều treo một tác nhân thông minh lên chạy, số token trên sổ sách ngay lập tức sẽ thay đổi một cấp độ.
Câu nói của Peter chạm đúng điểm mấu chốt: Hành vi thực sự mở khóa cấp độ số lượng, là mọi người bắt đầu để các tác nhân thông minh tự vận hành trong thời gian dài.
Token có rẻ đến đâu, cũng có thể đốt cháy ngân sách
Nhìn thấy con số 14 lần, phản ứng đầu tiên của bạn có thể là đốt tiền.
Đúng là đốt tiền, nhưng không phải theo cách bạn nghĩ.
Peter bổ sung thêm: Vì tác nhân thông minh vốn dĩ là đa lượt, trong một yêu cầu tác nhân thông minh trung bình, gần 70% token đến từ gợi ý được lưu trong bộ nhớ đệm, mà việc định giá cho bộ nhớ đệm thường rẻ hơn nhiều.
Lý do không khó hiểu.
Agent làm việc xoay quanh cùng một mục tiêu đọc ghi đi ghi lại: lần đầu tiên đổ vào hàng đống ngữ cảnh đó (quy phạm mã, sổ tay vận hành, danh sách công cụ), trả giá một lần; sau đó mỗi lượt chỉ cập nhật tăng dần, phần trúng bộ nhớ đệm chỉ tính giá bằng một phần nhỏ so với giá nhập liệu bình thường.
Nói cách khác, trong đường cong dốc đứng đó, có gần bảy phần mười là cùng một đoạn ngữ cảnh được tái sử dụng đi tái sử dụng lại.
So sánh cấu thành token giữa Agent và con người, token bộ nhớ đệm gần như đóng góp toàn bộ phần tăng. a16z viết theo tổng lượng là trên 85%, bài gốc của Peter theo trung bình mỗi yêu cầu là gần 70%.
Đơn giá như vậy thực sự giảm xuống, nhưng không cản nổi lượng dùng tăng vọt.
Praveen Neppalli Naga, CTO của Uber, đã tiết lộ vào đầu năm nay rằng, các kỹ sư của công ty chỉ mất bốn tháng đã đốt hết ngân sách Claude Code cả năm.
Theo truyền thông thuật lại, một buổi trình diễn hai giờ của chính ông ấy, đã tiêu tốn 1200 đô la.
Đơn giá giảm 30%, lượng dùng tăng 14 lần, kết quả của phép nhân này không khó tính.
EY tính một con số trực quan hơn: cùng một lần tương tác dịch vụ khách hàng, năm 2023 chi phí khoảng 0,04 đô la, đến năm 2026 tăng lên khoảng 1,20 đô la, gấp 30 lần.
Không phải mô hình trở nên đắt hơn.
Trước đây là khách hàng hỏi một câu, hệ thống trả lời một câu, một đường thẳng đi đến cuối.
Bây giờ khách hàng vẫn hỏi câu đó, nhưng đằng sau đã là tra cứu đơn hàng, điều chỉnh tồn kho, lật hồ sơ, nghĩ một vòng sửa một vòng, vặn vẹo hơn chục lượt mới thốt ra một câu trả lời.
Cùng một việc, cách làm thay đổi, giá cả cũng thay đổi.
Goldman Sachs thì ước tính, AI tác nhân thông minh có thể đẩy lượng tiêu thụ token năm 2030 lên cao gấp 24 lần.
Bất kỳ một chi phí nào trong nửa năm tăng 14 lần, mọi người cũng sẽ bắt đầu tính toán kỹ hơn. Peter nói, đây chính là lý do các mô hình mã nguồn mở và dịch vụ token giá rẻ đột nhiên được chú ý.
Và, token bộ nhớ đệm dù rẻ, nhưng nó cần ăn bộ nhớ.
Một tác nhân thông minh chạy mấy tiếng đồng hồ, từ đầu đến cuối không cần làm lại từ đầu, dựa vào chính là bộ nhớ giữ toàn bộ ngữ cảnh đó.
Bộ nhớ băng thông cao gần đây tại sao khan hiếm đến vậy, ở đây cũng có thể tìm thấy một nửa câu trả lời.
Điểm phân chia không nằm ở việc bạn dùng mô hình nào
Vậy cách tiết kiệm tiền, có phải là đổi sang một mô hình rẻ hơn?
Điểm phân chia thực sự, không nằm ở việc bạn dùng mô hình nào.
Cùng một mô hình, bạn dùng nó như một hộp tìm kiếm, một ngày vài nghìn token; bạn kết nối nó với tệp của mình, công cụ và một quy trình có thể chạy liên tục, một ngày vài chục triệu token cũng không có gì lạ.
Khoảng cách không nằm ở mô hình, mà ở việc bạn có đặt nó vào công việc thực sự hay không.
Khoảng cách này lớn đến đâu, OpenAI đưa ra một nhóm số liệu có thể làm tham chiếu:
10% công ty sử dụng sâu nhất, số token đầu ra trên mỗi người dùng hoạt động, gấp 8,3 lần so với công ty điển hình. Tháng 1, khoảng cách này chỉ là 2,6 lần.
Nửa năm, khoảng cách mở rộng gấp hơn ba lần so với trước.
Thứ tạo ra khoảng cách không phải là mô hình, mà là những thứ đi kèm.
Trong cùng một thống kê, người dùng hoạt động của các công ty hàng đầu mỗi tuần có 21% sử dụng plugin, công ty điển hình chỉ có 9%; tỷ lệ áp dụng kỹ năng là 19% so với 3%. Trong nội bộ OpenAI, con số này là 95%.
Bao gói vài việc bạn thường làm thành một bộ kỹ năng có thể tái sử dụng, tác nhân thông minh sẽ không cần phải mò mẫm từ đầu mỗi lần.
Bớt tìm kiếm vài lần, bớt làm lại vài lần, tiết kiệm được đều là tiền.
Token đã tiêu, ai sẽ kiểm nghiệm
Tuy nhiên, tính toán sổ sách dù có tinh vi đến đâu, cũng không có nghĩa là công việc này được thực hiện một cách yên tâm.
Lưu lượng tác nhân thông minh tăng vọt, không đồng nghĩa với việc AI hoàn toàn hành động tự chủ. Một lượng lớn nhiệm vụ vẫn do con người khởi xướng, giữa chừng thường xuyên còn vướng phải sự phê duyệt thủ công.
Một nhà phát triển phục vụ khách hàng ngành dịch vụ trong phần bình luận bài gốc của Peter đề cập, những ông chủ mà anh ấy phục vụ, chưa bao giờ nghĩ đến việc buông tay, mua sắm, gửi đi, ký tên, mỗi bước đều phải quay lại với con người.
Nhưng vấn đề là, quay lại chưa chắc thực sự tìm được người.
Một người trong ngành khác nói, tác nhân thông minh của họ đã xóa 18 video trong tài khoản quảng cáo, cả một ngày sau mới bị phát hiện.
Đây không phải là mô hình mắc lỗi sai lệch đến mức nào, mà căn bản là không có ai xem bước đó.
Chi tiêu token có thể tăng gấp 14 lần trong nửa năm, nhưng số người kiểm nghiệm không thể tăng nhiều như vậy. Đây có lẽ là một khoản chi phí dễ bị bỏ qua nhất, cũng là đắt nhất trong đợt tăng trưởng này.
Phân tích, nghiên cứu, bản thảo đầu tiên, phương án, các hành động thực thi lặp đi lặp lại sau này đều sẽ dư thừa.
Thứ thực sự khan hiếm, là việc xác minh, phán đoán, và quyết định điều gì mới đáng được thực hiện.
AI đã trở thành bên tiêu thụ token chủ yếu, nhưng cho đến hôm nay, nó vẫn không thể thay bạn ký tên.
Tương lai, vấn đề thực sự không còn là bạn có dùng AI hay không.
Mà là những việc AI đã làm thay bạn, ai sẽ kiểm nghiệm, ai sẽ quyết định bước tiếp theo.
Tài liệu tham khảo:
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
Bài viết này đến từ tài khoản công chúng WeChat "Tân Trí Nguyên", tác giả: ASI Khải Thị Lục; biên tập: Nguyên Vũ
