AI बबल की बहस के केंद्र में एक अकेली तस्वीर
कृत्रिम बुद्धिमत्ता के अत्यधिक गर्म होने की बहस में घूम रहे सभी चार्ट्स में से एक तरह-तरह की व्याख्याओं का आधार बन गया है: एक लाइन जो दिखाती है कि OpenRouter पर साप्ताहिक टोकन खपत जनवरी 2025 में लगभग 0.5 ट्रिलियन से बढ़कर 126.2 ट्रिलियन हो गई — यानी 25,000 प्रतिशत से अधिक की वृद्धि। बूम थीसिस के समर्थक इस लगभग ऊर्ध्वाधर ढलान को इस बात का सबूत मानते हैं कि मांग वास्तविक है और तेज़ी से बढ़ रही है। संदेह करने वाले इसे उद्योग संकेतक के रूप में सजाई गई एक दिखावटी मेट्रिक मानते हैं।
दोनों व्याख्याएँ जाँच की हकदार हैं। Matthias Bastian द्वारा प्रकाशित और LinkedIn पर रेखांकित विश्लेषण के अनुसार, OpenRouter की वक्र को सामूहिक अपनाए जाने या आर्थिक मूल्य की कहानी के बजाय मापन की कहानी के रूप में बेहतर समझा जाता है।
OpenRouter क्या मापता है — और क्या नहीं
OpenRouter एक रूटिंग लेयर है: डेवलपर्स इसका उपयोग अपने एप्लिकेशन को कई प्रदाताओं के AI मॉडल्स की सूची से जोड़ने के लिए करते हैं, और अक्सर कीमत, गति या क्षमता के आधार पर उनके बीच स्विच करते हैं। इससे इसका उपयोग डेटा वास्तव में दिलचस्प हो जाता है, क्योंकि यह बेंचमार्क स्कोर के बजाय प्रोडक्शन ट्रैफ़िक को कैप्चर करता है। टोकन AI गणना की मूल इकाई है — मोटे तौर पर कार के लिए एक गैलन ईंधन, या किसी उपयोगिता द्वारा बिल किए गए काम की एक इकाई के बराबर।
समस्या यह है कि टोकन उपयोगकर्ताओं, सत्रों या राजस्व का प्रॉक्सी नहीं हैं। एक प्लेटफ़ॉर्म नाटकीय रूप से अधिक टोकन संसाधित कर सकता है, जबकि लगभग समान संख्या में लोगों की सेवा कर रहा हो, क्योंकि अब प्रत्येक अनुरोध में बहुत अधिक गणना लगती है। मात्रा और मूल्य के बीच यही अंतर बबल बहस के केंद्र में है।
टोकन गिनती इतनी तेज़ी से क्यों बढ़ती है
रीज़निंग मॉडल ज़ोर से सोचते हैं
आधुनिक रीज़निंग मॉडल अंतिम उत्तर देने से पहले बड़ी मात्रा में आंतरिक "सोच" टोकन उत्पन्न करते हैं। ये टोकन अंतिम उपयोगकर्ता को दिखाई नहीं देते और अक्सर आउटपुट की अनुभव की गई गुणवत्ता में कुछ नहीं जोड़ते, फिर भी इन्हें पूरी तरह गिना जाता है। लंबे समय तक विचार करने वाला मॉडल उसी प्रॉम्प्ट का उत्तर देने वाले सरल मॉडल की तुलना में टोकन खपत को कई गुना बढ़ा सकता है।
एजेंटिक सिस्टम टोकन जला देते हैं
अनऑप्टिमाइज़्ड एजेंटिक AI सिस्टम इस प्रभाव को और बढ़ा देते हैं। योजना बनाने, टूल कॉल करने, परिणाम जाँचने और पुनः प्रयास करने वाला एजेंट एक ही कार्य के लिए कई मॉडल कॉल्स के चक्र से गुज़र सकता है। वास्तविक दुनिया में उपयोग की मामूली वृद्धि — कुछ और एजेंट चलना, थोड़ा लंबा वर्कफ़्लो — खपत किए गए टोकन में विशाल उछाल में बदल सकती है। इस अर्थ में, OpenRouter चार्ट आंशिक रूप से दर्शाता है कि कुछ डिप्लॉयमेंट अभी भी कितने अक्षम हैं।
लीडरबोर्ड का जाल: GPT 5.6 Luna का दबदबा
प्लेटफ़ॉर्म पर मॉडल रैंकिंग भी इसी तरह की गलत व्याख्या को आमंत्रित करती है। OpenAI का GPT 5.6 Luna हाल ही में OpenRouter पर टोकन खपत में छाया रहा, जिसे लोकप्रियता में उछाल के रूप में समझना आसान है। ऐसा नहीं भी हो सकता है। कोई मॉडल केवल प्रति प्रॉम्प्ट अधिक टोकन उत्पन्न करके टोकन चार्ट में शीर्ष पर पहुँच सकता है, जिससे वह वास्तव में जितना व्यस्त है उससे अधिक व्यस्त दिखता है। खपत रैंकिंग अपनाए जाने के साथ-साथ शब्दाडंबर और कार्यभार भी मापती है।
इसके बजाय राजस्व पर नज़र रखें
जहाँ टोकन मात्रा अस्पष्ट है, वहाँ खर्च को नकली बनाना कठिन है। राजस्व के मामले में, OpenAI का Astra आगे है, जो सुझाव देता है कि ग्राहक बाज़ार के शीर्ष पर क्षमता के लिए भुगतान करने को तैयार हैं। इस बीच, Kimi, GLM और DeepSeek सहित चीनी मॉडल तेज़ी से विस्तार कर रहे हैं: इन मॉडलों पर मासिक खर्च 2026 में दस गुना बढ़ गया, हालाँकि बहुत छोटे आधार से। कम शुरुआती बिंदु से वृद्धि दरें शानदार दिखती हैं, और जब इन संख्याओं का उपयोग व्यापक बदलाव के सबूत के रूप में किया जाता है तो यह संदर्भ मायने रखता है।
टोकन चार्ट को बिना भ्रमित हुए कैसे पढ़ें
टोकन मेट्रिक्स उपयोगी हैं, लेकिन केवल तभी जब उन्हें सही सवालों के साथ जोड़ा जाए:
- मात्रा बनाम मूल्य। पूछें कि टोकन के पीछे कितना राजस्व या पूरे किए गए कार्य हैं, न कि केवल यह कि कितने संसाधित हुए।
- प्रति अनुरोध टोकन। बढ़ती खपत अधिक अनुरोधों के बजाय लंबी रीज़निंग से आ सकती है।
- मॉडल मिश्रण। शीर्ष स्थान पर पहुँचने वाला एक अकेला शब्दाडंबरपूर्ण मॉडल अंतर्निहित मांग बदले बिना वक्र को मोड़ सकता है।
- एजेंट ओवरहेड। पुनः प्रयास, टूल कॉल और योजना चक्र गिनती बढ़ाते हैं और अक्षमता को छिपा सकते हैं।
- आधार प्रभाव। दस गुना वृद्धि असाधारण लगती है जब तक आप यह न देखें कि यह कहाँ से शुरू हुई।
बबल का सवाल अब भी खुला है
इसका मतलब यह नहीं है कि यह उछाल अर्थहीन है। 0.5 ट्रिलियन से 126.2 ट्रिलियन साप्ताहिक टोकन की छलांग दिखाती है कि बहुत सारा AI काम हो रहा है, और डेवलपर्स वास्तविक ट्रैफ़िक को एक साझा प्लेटफ़ॉर्म के माध्यम से रूट कर रहे हैं। यह दिखाता है कि इन्फरेंस खर्च बढ़ रहा है। लेकिन ग्राफ़ पर एक प्रभावशाली लाइन कुशल वृद्धि और महँगे विस्तार के बीच, लाखों उपयोगकर्ताओं और मुट्ठी भर टोकन-भूखे एजेंटों के बीच अंतर नहीं कर सकती।
सबसे ईमानदार निष्कर्ष यह है कि चार्ट गणना की लागत का वर्णन करता है, बाज़ार की स्थिति का नहीं। AI बबल की बहस राजस्व, रिटेंशन और रिटर्न से तय होगी — वे मापदंड जिनका अनुमान टोकन गिनती लगाने के लिए है, लेकिन जिनकी जगह नहीं ले सकती।
यह लेख The Decoder की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
Originally published on the-decoder.com
