Segundo Peter Walker, analista da OpenRouter, o dia 6 de fevereiro pode ter sido o último em que humanos consumiram mais tokens que agentes de IA na plataforma. De lá para cá, o consumo de agentes cresceu 14 vezes, saltando de 0,51 trilhão para 7,3 trilhões de tokens. O consumo humano cresceu 2,8 vezes no mesmo período.
A explicação está no formato do trabalho. Agentes operam sozinhos por períodos mais longos e abrem processos de IA adicionais pelo caminho, o que multiplica chamadas sem que ninguém esteja digitando nada.
A conta não sobe na mesma proporção
Aqui está o dado que muda a leitura: perto de 70% do consumo de tokens dos agentes vem de prompts em cache, cobrados a preços bem menores. Ou seja, o custo real não acompanha o número bruto. Quem for usar essa curva para projetar orçamento sem separar token cacheado de token novo vai errar para cima, e feio.
A própria fonte registra os limites do recorte. A OpenRouter concentra modelos de pesos abertos, que costumam ser menos eficientes em token que os da OpenAI ou da Anthropic, então os valores absolutos não representam o setor. O que provavelmente se repete nos grandes laboratórios é a direção da curva, não a altura dela.
O que fazer com esse número
É um dado de uma plataforma, publicado por um analista dela, não uma medição auditada do mercado. Vale como sinal, não como estatística setorial, e a redação recomenda tratá-lo assim.
Dito isso, o sinal é útil para quem está colocando agente em produção no Brasil. Se a maior parte do volume vem de máquina falando com máquina, a disciplina de cache deixa de ser detalhe de implementação e vira item de orçamento, e a métrica honesta de eficiência passa a ser custo por tarefa concluída, não preço por milhão de tokens. É a mesma conclusão a que chegam as empresas que tentaram escalar automação e descobriram que o gargalo não era a capacidade do modelo.
