OpenRouter to papierek lakmusowy boomu AI. Zużycie tokenów rośnie jak wielomian, a nie liniowo
Rekordowe prędkości przyrostu, cztery biliony tokenów na pojedynczy model i agentowe systemy, które od lutego 2026 zużywają więcej niż ludzie. Krzywa OpenRouter wygląda jak funkcja wielomianowa, a nie jak stabilny wzrost.
Kiedy chcesz wiedzieć, jak naprawdę szybko rozwija się sztuczna inteligencja, nie patrz na benchmarki ani reklamowe zapowiedzi premier. Spójrz na to, ile tokenów faktycznie przepływa przez API. A pod tym względem mało kto daje lepszy obraz rynku niż OpenRouter: platforma agregująca kilkaset modeli od dziesiątek dostawców, przez którą trafia realny ruch produkcyjny deweloperów z całego świata.
OpenRouter obsługuje ponad 300 modeli i 60 dostawców, ma za sobą ponad 8 milionów użytkowników i przetwarza rzędu 100 bilionów tokenów miesięcznie. Dlatego jego rankingi są często nazywane „termometrem adopcji AI”: pokazują nie to, co dany model potrafi w laboratorium, ale co i jak często deweloperzy faktycznie wywołują w produkcji.
Krzywa, która wygląda jak wielomian
Najważniejszy wykres na stronie rankingu to roczna seria czasowa pokrywająca okres od 15 września 2025 do 24 sierpnia 2026. Nie jest to prosta, spokojna linia. Krzywa najpierw łagodnie pełznie, a potem w ostatnich miesiącach strzela pionowo w górę, docierając do skali rzędu 140 bilionów tokenów.
Taki kształt to klasyczny wzrost wielomianowy lub kwadratowy (a miejscami wręcz wykładniczy), nie liniowy. W praktyce oznacza to, że każda kolejna jednostka czasu dodaje więcej przetwarzanej mocy niż poprzednia, a całość przyspiesza zamiast stabilizować się w stałym tempie.
| Okres (przybliżony) | Wolumen tygodniowy tokenów |
|---|---|
| maj 2024 | ~2,4 bln |
| luty 2026 | ~12,1 bln |
| maj 2026 | ~28,9 bln |
To ponad 12-krotny wzrost rok do roku w samym wolumenie tygodniowym.
Model, który zjada 18,7 biliona tokenów
Sam ranking liderów też pokazuje skalę nowej ery. Oto pierwsza piątka modeli pod względem łącznej liczby przetworzonych tokenów:
| # | Model | Tokeny | Zmiana |
|---|---|---|---|
| 1 | Hy4 preview (Tencent) | 18,7 bln | +228% |
| 2 | GPT-5.6 Luna (OpenAI) | 14,5 bln | +52% |
| 3 | DeepSeek V4 Flash 0731 | 12,4 bln | +3% |
| 4 | GLM 5.3 Flash (z-ai) | 12,2 bln | +22% |
| 5 | DeepSeek V4 Flash 0423 | 4,99 bln | +3% |
Tencent wysunął się na prowadzenie, a jego model nowej generacji zdążył w krótkim czasie wciągnąć prawie 19 bilionów tokenów, z dynamiką +228 procent. To nie jest pojedynczy przypadek: rynek wyraźnie premiuje tanie, otwarte modele zdolne obsłużyć agentowe pętle na masową skalę.
Liderzy wzrostu: setki procent w 30 dni
Jeszcze bardziej wymowna jest tabela najszybciej rosnących modeli w ostatnich 30 dniach. Tu skoki liczone są w setkach procent:
| # | Model | Tokeny (30 dni) | Zmiana |
|---|---|---|---|
| 1 | DeepSeek V4 Flash 0731 | 50,7 bln | +400% |
| 2 | GPT-5.6 Luna | 35,5 bln | +404% |
| 3 | Hy3 (Tencent) | 29,9 bln | +77% |
| 4 | MiMo-V2.5 (Xiaomi) | 27,3 bln | +19% |
| 5 | Ox Alpha (stealth) | 27,2 bln | nowość |
Czterokrotny wzrost miesięczny u dwóch największych modeli to coś, czego w dojrzałych rynkach technologii praktycznie się nie widuje. Wskazuje na zmianę samej natury konsumpcji: zapytania przestają być pojedynczymi wywołaniami czatu, a stają się długimi, wieloetapowymi sesjami agentów.
To maszyny konsumują więcej niż ludzie
Sedno tej dynamiki najlepiej wyjaśnia badanie oparte na danych OpenRouter, o którym szeroko pisał analityk Peter Walker. Agentowe zużycie tokenów urosło 14-krotnie w ciągu sześciu miesięcy od lutego do sierpnia 2026: z 0,51 bln do 7,3 bln tokenów. W tym samym czasie konsumpcja sterowana przez ludzi wzrosła tylko 2,8-krotnie.
Co istotne, 6 lutego 2026 był momentem przełomowym: od tej daty to maszyny stały się głównym konsumentem przetwarzania, wyprzedzając ludzi. Agenci nie przestają pracować po skończeniu ludzkiego dnia pracy, spinają w pętle kolejne podprocesy, trzymają długie konteksty i wywołują narzędzia, co wielokrotnie zwielokrotnia rachunek tokenów.
| Rodzaj konsumpcji | Luty 2026 | Sierpień 2026 | Zmiana |
|---|---|---|---|
| Agentowa (maszyny) | 0,51 bln | 7,3 bln | 14x |
| Ludzka | ~1 | ~2,8 | 2,8x |
Dlaczego wzrost przyspiesza
Matematyka stojąca za wielomianową krzywą jest dość prosta. Każdy pojedynczy agentowy workflow jest strukturalnie „głodny tokenów”: tworzy subagenci, utrzymuje długi kontekst, wykonuje wywołania narzędzi i parsuje strukturalne odpowiedzi, mnożąc tokeny przy każdej pętli. Do tego dochodzą modele rozumujące, które przetwarzają znacznie więcej nawet przy pozornie prostych zadaniach.
Dodatkowo coraz więcej obciążenia przenosi się na kodowanie. Programowanie odpowiada już za ponad połowę całego ruchu na platformie, podczas gdy na początku 2025 roku było to około 11 procent. Kod jest idealnym środowiskiem dla agentów: stanowi jasne zadania, daje szybką informację zwrotną i zwykle kończy się długimi, iteracyjnymi sesjami.
Część tego wolumenu jest amortyzowana przez cache (około 70 procent agentowych tokenów pochodzi z buforowanych promptów po niższych stawkach), ale wraz ze skalowaniem operacji niemożliwych do buforowania, takich jak dynamiczne wyniki narzędzi czy routing wielomodelowy, oszczędności stopniowo się kompresują.
Papierek lakmusowy całej branży
OpenRouter ma jedną wielką zaletę jako wskaźnik: pokazuje faktyczne użytkowanie, a nie deklaracje. Deweloperzy głosują portfelami, przełączając ruch między modelami w zależności od kosztu, jakości i dostępności. Chińskie modele, dzięki cenom niższym o rząd wielkości, zdominowały w pewnych tygodniach niemal 86 procent pierwszej piątki, co widać w liczbach lepiej niż w jakimkolwiek zestawieniu benchmarkowym.
Z perspektywy infrastruktury rosnąca krzywa tokenów to sygnał, że firmy planujące wydatki na AI w oparciu o „ludzką” konsumpcję w przeliczeniu na stanowisko będą systematycznie niedoszacowywać kosztów. Projektowanie pod skalę agentową, z jawnym buforowaniem, wielopoziomowym routingiem i kompresją kontekstu, przestaje być opcją, a staje się koniecznością.
OpenRouter nie pokazuje więc tylko, że AI rośnie. Pokazuje, że rośnie w tempie, do którego tradycyjna infrastruktura i modele finansowe nie są przygotowane. I właśnie to czyni z niego najlepszy papierek lakmusowy dynamiki adopcji sztucznej inteligencji.
Od autora: Pełna deklaracja: jestem fanem modelu DeepSeek V4 Flash 0731 i wraz z moim asystentem OpenClaw przyczyniam się do tego wzrostu, generując setki tysięcy tokenów podczas codziennej pracy. Część tej krzywej to ja.
O autorze
Bogdan Zieliński: ekspert cyberbezpieczeństwa (CISSP, CEH, OSCP), doktor nauk technicznych, lead penetration tester w Palo Alto Networks. Specjalizuje się w etycznym hackingu, ochronie infrastruktury krytycznej i analizie zagrożeń. W wolnych chwilach gra w szachy online, wspina się w Małopolsce i kolekcjonuje winylowe płyty z elektroniką.
