Os agentes de IA podem agora estar consumindo mais tokens do que usuários humanos no OpenRouter, marcando uma mudança na forma como a demanda por inferência de modelos é gerada e paga. A mudança importa porque os sistemas de IA estão cada vez mais produzindo trabalho para outros sistemas de IA, em vez de atender apenas a prompts humanos diretos.

De acordo com uma reportagem do The Decoder, citando o analista do OpenRouter Peter Walker, 6 de fevereiro de 2026 pode ter sido o último dia na plataforma em que os humanos consumiram mais tokens do que os agentes. O uso de tokens por agentes aumentou 14 vezes desde então, enquanto o uso humano cresceu 2,8 vezes.

Os números apontam para uma classe de cargas de trabalho em rápida expansão, na qual um modelo chama outro, continua operando por mais tempo ou lança processos adicionais de IA. Eles não significam, no entanto, que os gastos com inferência tenham aumentado na mesma proporção. Grande parte do uso medido consiste em contexto repetido servido a partir de prompts em cache mais baratos.

O que os números do OpenRouter mostram

O ponto de dados central é uma comparação entre o consumo de tokens por uso conduzido por humanos e por agentes no OpenRouter. O The Decoder informou que os agentes ultrapassaram os humanos no consumo total de tokens após 6 de fevereiro, com base na análise de Walker. A reportagem não fornece o gráfico subjacente, os totais absolutos de tokens ou uma definição detalhada de como o OpenRouter classifica o tráfego agente.

As taxas de crescimento relatadas ainda são significativas. Um aumento de 14x no uso por agentes versus um crescimento de 2,8x no uso humano sugere que fluxos de trabalho autônomos ou semiautônomos estão se expandindo mais rapidamente do que as interações convencionais de chatbot na plataforma.

O resultado deve ser lido como um sinal da plataforma, não como uma medida completa do mercado de IA. O tráfego do OpenRouter supostamente se inclina para modelos de pesos abertos, que o The Decoder diz serem geralmente menos eficientes em tokens do que os modelos da OpenAI ou da Anthropic. Usuários desses modelos podem, portanto, gerar mais tokens para tarefas comparáveis, tornando o mix da plataforma diferente do dos provedores de modelos fechados.

Crescimento de tokens não é o mesmo que crescimento de custos

Quase 70% do consumo de tokens por agentes, segundo relatos, vem de prompts em cache. O cache permite que instruções ou contexto repetidos sejam cobrados a taxas substancialmente mais baixas do que a entrada processada recentemente, de modo que os totais brutos de tokens podem crescer muito mais rápido do que os custos reais de inferência.

Essa distinção é importante para equipes de produto que planejam implantações de agentes. Um fluxo de trabalho que parece caro quando medido apenas por tokens pode ter uma conta administrável se a maior parte do contexto for reutilizada com eficiência. Por outro lado, equipes que tratam o cache como garantia podem ficar expostas a custos mais altos quando os prompts mudam com frequência, as taxas de acerto do cache caem ou os agentes geram grandes quantidades de nova saída.

Os dados também destacam um problema de medição. As contagens de tokens capturam quanto contexto do modelo é processado, mas não necessariamente quanto trabalho útil é concluído. Um agente que revisita repetidamente as mesmas instruções ou chama vários modelos antes de chegar a uma resposta pode gerar uso substancial sem entregar uma melhora proporcional na qualidade.

Por que os agentes estão impulsionando a demanda

Os fluxos de trabalho com agentes tendem a consumir mais tokens do que conversas de turno único porque preservam estado, inspecionam resultados intermediários, chamam ferramentas e revisam planos. Eles também podem delegar subtarefas a instâncias de modelo separadas. Cada etapa pode adicionar contexto, saída de ferramentas, rastros de raciocínio ou instruções à próxima solicitação.

O The Decoder associou o aumento a agentes trabalhando de forma independente por mais tempo e acionando processos adicionais de IA. Esse comportamento é consistente com uma mudança mais ampla das interfaces de chat para sistemas que executam tarefas em várias etapas, embora as evidências disponíveis não estabeleçam quais aplicações ou setores específicos respondem pelo crescimento do OpenRouter.

A reportagem também coloca a tendência ao lado da ascensão dos modelos de raciocínio. Esses sistemas podem usar mais processamento interno antes de retornar uma resposta, aumentando o consumo de tokens mesmo quando a solicitação do usuário é curta. O The Decoder caracterizou isso como uma fonte de “inflação de tokens”, mas as evidências disponíveis não mostram quanto do crescimento dos agentes no OpenRouter vem de modelos de raciocínio versus orquestração de execução mais longa.

Implicações para desenvolvedores e compradores corporativos

Para desenvolvedores de IA, a lição imediata é que a seleção do modelo, sozinha, não determinará os custos operacionais. A arquitetura do agente é igualmente importante. As equipes precisarão monitorar taxas de acerto de cache, tamanho do contexto, frequência de chamadas de ferramentas, comportamento de retry e o número de chamadas de modelo necessárias por tarefa concluída.

A confiabilidade é outra preocupação. Agentes de execução mais longa criam mais oportunidades para que uma suposição incorreta, uma chamada de ferramenta malsucedida ou um loop desnecessário se acumulem. Um sistema barato por solicitação ainda pode se tornar caro quando opera sem limites firmes. Orçamentos, timeouts de execução, etapas de aprovação e condições claras de parada provavelmente serão tão importantes quanto a qualidade do prompt.

Compradores corporativos devem pedir aos fornecedores métricas em nível de fluxo de trabalho, em vez de preços de modelos de destaque. Perguntas úteis incluem quantas chamadas um agente faz por tarefa, que parte do tráfego se beneficia do cache, como o uso é medido entre agentes delegados e se os clientes podem impor limites de gasto ou execução.

A implicação de mercado também é notável. Se a IA estiver cada vez mais gerando demanda para a IA, os provedores de modelos podem estar vendendo não apenas para usuários humanos, mas para sistemas de software que consomem inferência continuamente. Isso pode sustentar grandes volumes de uso, ao mesmo tempo em que aumenta a pressão sobre os provedores para melhorar cache, orquestração, latência e transparência de preços.

O que observar a seguir

O primeiro sinal a observar é se outras grandes plataformas de modelos relatam uma cruzamento semelhante entre uso humano e uso por agentes. O tráfego do OpenRouter, fortemente voltado para modelos de pesos abertos, é uma evidência útil, mas não um benchmark definitivo para todo o mercado.

Em segundo lugar, os desenvolvedores devem buscar dados de custo mais completos. A cifra de 70% de prompts em cache explica por que o crescimento de tokens pode exagerar os gastos, mas não revela receita total, custo médio por tarefa ou a parcela de saída sem cache. Essas medidas mostrariam se os agentes estão expandindo materialmente a inferência paga ou apenas aumentando o processamento de contexto de baixo custo.

Em terceiro lugar, as alegações de adoção devem ser testadas em relação à conclusão de tarefas e retenção. O aumento de tokens pode refletir trabalho autônomo produtivo, prompting ineficiente ou ambos. Evidências sobre taxas de tarefas bem-sucedidas, intervenção humana e uso recorrente serão mais informativas do que volume sozinho.

Por fim, a resposta dos provedores de modelos importará. Melhorias em cache de contexto, modelos especializados menores e raciocínio mais eficiente podem reduzir o custo do crescimento dos agentes. Ao mesmo tempo, os provedores podem introduzir preços e controles projetados especificamente para demanda de software para software.

Perspectiva da Creati.ai

Os números relatados pelo OpenRouter capturam uma mudança importante na economia da IA: o usuário de um modelo que mais cresce pode ser outro modelo. Mas a evidência ainda é um sinal específico de plataforma com base em comentários de analistas, não um censo verificado de forma independente da atividade de agentes em todo o setor.

Para equipes que implantam agentes de IA, a prioridade prática é medir trabalho útil por dólar, e não apenas tokens. O crescimento dos agentes pode expandir o mercado endereçável para inferência, mas a implantação sustentável dependerá de controlar loops, comprovar a confiabilidade das tarefas e entender quando o cache realmente reduz o custo da execução autônoma.