AI बबल लढाईच्या केंद्रस्थानी एकच प्रतिमा
कृत्रिम बुद्धिमत्ता ओव्हरहीट होत आहे का या वादात फिरणाऱ्या सर्व चार्टपैकी, एक चार्ट रोर्शाच चाचणीसारखा बनला आहे: OpenRouter वरील साप्ताहिक टोकन वापर जानेवारी 2025 मध्ये अंदाजे 0.5 ट्रिलियनवरून 126.2 ट्रिलियनपर्यंत वाढलेला दर्शवणारी रेषा — म्हणजे 25,000 टक्क्यांहून अधिक वाढ. बूम थीसिसचे समर्थक हा जवळपास उभा उतार मागणी खरी आणि वेगवान आहे याचा पुरावा मानतात. संशयवादी हे उद्योग निर्देशकाचे रूप घेतलेले दिखाऊ मेट्रिक मानतात.
दोन्ही वाचनांना तपासणीची गरज आहे. Matthias Bastian यांनी प्रकाशित केलेल्या आणि LinkedIn वर अधोरेखित केलेल्या विश्लेषणानुसार, OpenRouter वक्र हा मोठ्या प्रमाणात स्वीकार किंवा आर्थिक मूल्याबद्दलचा किस्सा म्हणून नव्हे, तर मोजमापाबद्दलचा किस्सा म्हणून अधिक चांगल्या प्रकारे समजला जातो.
OpenRouter काय मोजते — आणि काय मोजत नाही
OpenRouter हा एक राउटिंग लेयर आहे: विकसक त्याचा वापर त्यांच्या अनुप्रयोगांना अनेक प्रदात्यांकडून AI मॉडेल्सच्या कॅटलॉगशी जोडण्यासाठी करतात, अनेकदा किंमत, वेग किंवा क्षमतेनुसार त्यांमध्ये बदल करतात. त्यामुळे त्याचा वापर डेटा खरोखर मनोरंजक आहे, कारण तो बेंचमार्क स्कोअरऐवजी उत्पादन ट्रॅफिक कॅप्चर करतो. टोकन हे AI गणनाचे मूलभूत एकक आहे — अंदाजे कारसाठी एक गॅलन इंधन, किंवा युटिलिटीद्वारे बिल केलेले कामाचे एकक.
समस्या ही आहे की टोकन हे वापरकर्ते, सत्रे किंवा महसुलाचे प्रॉक्सी नाहीत. एक प्लॅटफॉर्म नाटकीयरित्या अधिक टोकन प्रक्रिया करू शकतो आणि तरीही अंदाजे समान लोकांना सेवा देतो, कारण प्रत्येक विनंतीला आता खूप जास्त गणना लागते. व्हॉल्यूम आणि मूल्य यातील ही तफावत बबल युक्तिवादाच्या केंद्रस्थानी आहे.
टोकन संख्या इतक्या लवकर का फुगतात
विचार करणारी मॉडेल्स मोठ्याने विचार करतात
आधुनिक रिझनिंग मॉडेल्स अंतिम उत्तर देण्यापूर्वी मोठ्या प्रमाणात अंतर्गत "विचार" टोकन तयार करतात. ती टोकन अंतिम वापरकर्त्याला दिसत नाहीत आणि बहुतेकदा आउटपुटच्या जाणवलेल्या गुणवत्तेत काहीच भर घालत नाहीत, तरीही ती पूर्णपणे मोजली जातात. जे मॉडेल दीर्घकाळ विचार करते ते त्याच प्रॉम्प्टला उत्तर देणाऱ्या सोप्या मॉडेलच्या तुलनेत टोकन वापर कित्येक पटींनी वाढवू शकते.
एजंटिक सिस्टीम्स टोकन जाळतात
अनुकूल न केलेल्या एजंटिक AI सिस्टीम्स हा परिणाम आणखी वाढवतात. नियोजन करणारा, साधने कॉल करणारा, निकाल तपासणारा आणि पुन्हा प्रयत्न करणारा एजंट एकाच कामासाठी अनेक मॉडेल कॉल्समधून फिरू शकतो. वास्तविक वापरातील किरकोळ वाढ — काही अधिक एजंट चालू, थोडा मोठा वर्कफ्लो — टोकन वापरात प्रचंड उसळीत रूपांतरित होऊ शकते. त्या अर्थाने, OpenRouter चार्ट अंशतः काही तैनाती अजूनही किती अकार्यक्षम आहेत हे प्रतिबिंबित करतो.
लीडरबोर्डचा सापळा: GPT 5.6 Luna चे वर्चस्व
प्लॅटफॉर्मवरील मॉडेल रँकिंग अशाच प्रकारच्या चुकीच्या वाचनास आमंत्रण देतात. OpenAI चे GPT 5.6 Luna ने अलीकडे OpenRouter वर टोकन वापरावर वर्चस्व गाजवले, ज्याचा अर्थ लोकप्रियतेत वाढ असा सहज लावला जातो. तसे नसेल. एखादे मॉडेल प्रति प्रॉम्प्ट अधिक टोकन तयार करून टोकन चार्टमध्ये अव्वल स्थान मिळवू शकते, ज्यामुळे ते प्रत्यक्षात आहे त्यापेक्षा अधिक व्यस्त दिसते. वापर रँकिंग स्वीकाराइतकेच शब्दबहुलता आणि कामाचा भार मोजतात.
त्याऐवजी महसुलाचा मागोवा घ्या
जिथे टोकन व्हॉल्यूम संदिग्ध आहे, तिथे खर्च बनावट करणे कठीण आहे. महसुलाच्या बाजूला, OpenAI चे Astra आघाडीवर आहे, जे बाजाराच्या शिखरावर ग्राहक क्षमतेसाठी पैसे देण्यास तयार आहेत हे सूचित करते. दरम्यान, Kimi, GLM आणि DeepSeek सह चिनी मॉडेल्स वेगाने विस्तारत आहेत: त्या मॉडेल्सवरील मासिक खर्च 2026 मध्ये दहापट वाढला, जरी खूपच लहान आधारावरून. कमी सुरुवातीच्या बिंदूपासून वाढीचे दर नेत्रदीपक दिसतात, आणि जेव्हा संख्या व्यापक बदलाचा पुरावा म्हणून वापरल्या जातात तेव्हा हा संदर्भ महत्त्वाचा ठरतो.
टोकन चार्ट गोंधळ न होता कसा वाचावा
टोकन मेट्रिक्स उपयुक्त आहेत, पण फक्त योग्य प्रश्नांसोबत जोडल्यास:
- व्हॉल्यूम विरुद्ध मूल्य. टोकनमागे किती महसूल किंवा पूर्ण झालेली कामे आहेत हे विचारा, फक्त किती प्रक्रिया झाली हे नव्हे.
- प्रति विनंती टोकन. वाढता वापर अधिक विनंत्यांऐवजी दीर्घ विचारांमुळे येऊ शकतो.
- मॉडेल मिश्रण. एकच शब्दबहुल मॉडेल अव्वल स्थानावर आल्यास अंतर्निहित मागणी न बदलता वक्र वाकू शकतो.
- एजंट ओव्हरहेड. पुनःप्रयत्न, साधन कॉल्स आणि नियोजन लूप संख्या फुगवतात आणि अकार्यक्षमता लपवू शकतात.
- आधार परिणाम. दहापट वाढ विलक्षण वाटते जोपर्यंत ती कुठून सुरू झाली हे लक्षात येत नाही.
बबलचा प्रश्न अजून खुला आहे
याचा अर्थ असा नाही की ही उसळी निरर्थक आहे. 0.5 ट्रिलियनवरून 126.2 ट्रिलियन साप्ताहिक टोकनपर्यंतची झेप दर्शवते की खूप AI काम केले जात आहे, आणि विकसक खरा ट्रॅफिक सामायिक प्लॅटफॉर्ममधून वाहत आहेत. हे दर्शवते की इन्फरन्स खर्च वाढत आहे. पण आलेखावरील प्रभावी रेषा कार्यक्षम वाढ आणि महागडी अतिविस्तार, लाखो वापरकर्ते आणि मोजके टोकन-भुकेले एजंट यात फरक करू शकत नाही.
सर्वात प्रामाणिक निष्कर्ष असा आहे की चार्ट गणनेची किंमत वर्णन करतो, बाजाराची स्थिती नाही. AI बबल वाद महसूल, टिकवण आणि परताव्यांद्वारे निकाली निघेल — जी मापे टोकन संख्या अंदाजण्यासाठी आहेत पण बदलू शकत नाहीत.
हा लेख The Decoder च्या अहवालावर आधारित आहे. मूळ लेख वाचा.
Originally published on the-decoder.com
