مصرف توکن هفتگی در اوپنراوتر — پلی که توسعهدهندگان برای اتصال مدلهای هوش مصنوعی به محصولات خود از آن استفاده میکنند — از ژانویه ۲۰۲۵ تا امروز بیش از ۲۵٬۰۰۰ درصد جهش یافته است. این رقم از ۰.۵ تریلیون به ۱۲۶.۲ تریلیون توکن رسیده است؛ رقمی که در نگاه اول رواج بیسابقه هوش مصنوعی را إعلام میکند، اما واقعیت در لایههای عمیقتر نهفته است.
توکنها: سوخت مخفی موتورهای استدلال
توکنها واحد محاسبهای پایه در مدلهای زبانی بزرگ (LLM) هستند؛ میتوان آنها را معادل «گالن بنزین» برای موتورهای استدلال تلقین کرد. هر کلمه، بخشی از کلمه یا کاراکتر خاصی یک توکن محسوب میشود. با این حال، نمودار اوپنراوتر بیشتر از رواج واقعی فناوری، داستان تورم متریکهای توکن را روایت میکند.
چرا این رشد فریبنده است؟
افزایش توکنها نباید با افزایش متناسب در استفاده واقعی یا ارزش تجاری اشتباه گرفته شود. دو عامل اصلی این تورم را به وجود آوردهاند:
- مدلهای استدلالی (Reasoning Models): این مدلها قبل از تولید پاسخ نهایی، هزاران توکن «فکر» (Chain-of-Thought) تولید میکنند که برای کاربر نهایی قابل مشاهده نیستند، اما در شمارش مصرف ثبت میگردند.
- سیستمهای عاملی بهینهنشده (Agentic AI): اجنتهای هوش مصنوعی که وظایف را به صورت خودکار تجزیه و انجام میدهند، میتوانند در یک حلقه کوتاه، میلیونها توکن را سوخت کنند.
بنابراین، یک افزایش جزئی در تعداد درخواستهای کاربر، میتواند به جهش دراماتیک در مصرف توکن اوپنراوتر منجر شود — بدون اینکه ضرورتاً ارزش تجاری متناسبی ایجاد گردد.
ردهبندی: مصرف در برابر درآمد
بر اساس دادههای اخیر اوپنراوتر، تفکیک مصرف و درآمد تصویری متفاوت ترسیم میکند:
- مصرف توکن: مدل جیپیتی ۵.۶ لونا (GPT-5.6 Luna) از شرکت اوپنایآی بیشترین سهم مصرف توکن را دارا است. این برتری لزوماً به معنای محبوبیت بیشتر در میان کاربران نیست؛ مدل صرفاً توکنهای بیشتری برای هر پرامپت تولید میکند.
- درآمد: در پक्ष درآمدی، مدل آسترا (Astra) از اوپنایآی، در صدر قرار گرفته است.
- رقابت چینی: مدلهایی مانند کیمی (Kimi)، جیالام (GLM) و دپسیک (DeepSeek) رشد دهگانهای در هزینههای ماهانه در سال ۲۰۲۶ ثبت کردهاند، هرچند از یک پایه بسیار کوچکتر نسبت به غولهای غربی.
آینده متریکها: از حجم به ارزش
این دادهها زنگ خطر برای سنجش رشد هوش مصنوعی بر پایه «تعداد توکن» است. همانطور که در سالهای اول اینترنت، ترافیک پهنای باند معیار نادرستی بود (به دلیل تصاویر بهینهنشده و اسپم)، امروز توکنها نیز میتوانند سیگنال فریبندهای باشند. صنعت به سمت متریکهایی میرود که کیفیت خروجی، حل مسئله واقعی و بازدهی سرمایه (ROI) را بسنجند — نه حجم پردازش خام.
نمودار اوپنراوتر نه پایان حباب، اما پایان سادگی در خواندن سیگنالهای بازار هوش مصنوعی را اعلام میکند.
