OpenRouter 的 token 增长曲线：AI 泡沫之争的一张图

据 The Decoder 报道，OpenRouter 平台上的每周 token 消耗量自 2025 年 1 月以来增长超过 25,000%，从 0.5 万亿 tokens 升至 126.2 万亿 tokens。文章认为，这一数字看似惊人，但更多反映的是高 token 消耗的 reasoning 模型和数量增长、未做优化的 AI agent 大量消耗 token，而非真实 AI 使用量的等比例增长。

此前业界常把 token 消耗量当作 AI 采用度的直接信号，而这次数据表明，消耗量激增可能主要由 reasoning 模型和未优化 agent 的调用方式驱动，token 数字与实际使用价值之间的对应关系正在变弱。

reasoning 模型在给出答案前会生成大量中间推理 token，而多步 agent 若缺乏缓存、剪枝和调用约束，会反复重发上下文，使单次任务的 token 消耗成倍上升。因此平台总 token 量可以被少数高消耗负载快速拉高，未必代表同等比例的独立用户或业务价值增长。

对做 AI 产品的团队而言，token 消耗已不能直接作为增长或需求指标，需要拆分推理 token、agent 重试与缓存命中。成本控制重点从模型单价转向 prompt 结构、上下文复用和 agent 步数约束，否则规模越大单位经济越难成立。

• 为 agent 产品加入 token 用量与步数上限、上下文缓存和调用剪枝，并将节省量作为可量化卖点。
• 面向企业提供按业务任务而非 token 计费的打包方案，降低客户对 token 数字波动的敏感度。
• 建立区分真实使用量与高消耗负载的监控看板，帮助团队识别哪些 agent 在低效烧 token。

• 25,000% 增长中有多少来自独立用户或付费业务的增长，而非少数高消耗负载？
• 该统计是否区分 reasoning token 与普通输出 token，口径是否一致？
• 是否存在同一批用户或 agent 反复调用带来的重复计数？
• OpenRouter 之外的其他平台是否出现类似幅度的 token 增长？