Ajan tipi AI token kullanımı 6 ayda 14 kat artarak 7,3 trilyona çıktı

OpenRouter üzerinde 'ajan tipi' (agentic) yapay zeka uygulamalarının token kullanımı, 10'unda 7 günlük hareketli ortalamaya göre 7,3 trilyona ulaştı. Bu seviye, 6 Şubat'taki yaklaşık 500 milyarlık kullanımla karşılaştırıldığında 14 kat büyümeye işaret ediyor.

CryptoBriefing'in haberine göre aynı dönemde sıradan kullanıcıların token tüketimi 1,4 trilyona çıkarak 2,8 kat arttı. 7,3 trilyonluk rakam CryptoBriefing tarafından aktarıldı; OpenRouter'ın kendi blogunda ve veri sayfalarında aynı tarihe ait mutlak bir sayı henüz paylaşılmadı.

Ajan tipi işlemler, yapay zekanın tek seferlik bir yanıt vermesiyle sınırlı kalmıyor. Bir hedefe ulaşmak için arama, kodlama, hata ayıklama ve dış araç çağrıları gibi adımları art arda yürütüyor. Süreç uzun ve model çağrıları tekrarlı olduğundan token tüketimi, sohbet tabanlı kullanıma göre çok daha hızlı artabiliyor.

OpenRouter, 30 Haziran'da yayımladığı blog yazısında ajan tipi işlemlerin 2026 başından itibaren hız kazandığını ve 1 Şubat civarında sıradan kullanıcı trafiğini geçtiğini açıkladı. Şirketin analizine göre ajan tipi işlemler, istek başına sıradan kullanıma kıyasla yaklaşık 15 kat daha fazla token harcıyor.

Ajan tipi ve sıradan kullanıcı trafiği, OpenRouter'ın API anahtarı başına yedi sinyali ağırlıklı olarak topladığı kendi iç sınıflandırma sistemiyle ayrılıyor. Sınıflandırma kriterleri değiştiğinde toplam rakamlar da değişebiliyor; bu nedenle açıklanan sayılar OpenRouter'ın kendi metodolojisi çerçevesinde değerlendirilmeli.

OpenRouter, birden fazla yapay zeka modelini tek bir uygulama programlama arabirimi (API) üzerinden birbirine bağlayan ve gelen istekleri uygun modele yönlendiren bir çıkarım (inference) platformu. Eğitimi tamamlanmış modellerin kullanıcı isteklerini işleyip yanıt üretme sürecinde ortaya çıkan kullanım ve maliyet verilerini derliyor.

Platformun toplam büyüklüğü de hızla genişliyor. OpenRouter, 1 Haziran'da aylık 100 trilyon token yönlendirdiğini duyurmuştu. Kullanıcıların tek noktadan birçok modele erişebilmesi, OpenRouter verilerini gerçek yapay zeka kullanımındaki ve model tercihlerindeki değişimi izlemek için önemli bir kaynak haline getiriyor.

TokenPost daha önce, OpenRouter'ın gerçek kullanım verilerinden yola çıkarak ABD'li şirket gruplarının hisse getirileri arasındaki farkı inceleyen bir araştırmayı haberleştirmişti. Ancak token kullanımı yalnızca yapay zeka kullanım yoğunluğunu gösteren bir gösterge; şirket cirosunu ya da hisse fiyatı hareketlerini doğrudan yansıtmıyor.

Ajan tipi talebin artmasında düşük maliyetli 'açık ağırlıklı' (open-weight) modellerin yaygınlaşmasının da etkili olduğu değerlendiriliyor. OpenRouter'ın 2025 kullanım analizinde açık ağırlıklı modeller, toplam token hacminin yaklaşık üçte birini oluşturuyordu.

Açık ağırlıklı modeller, eğitilmiş parametrelerin herkese açık paylaşıldığı ve kullanıcıların bu modelleri kendi sunucularında çalıştırıp amacına göre uyarlayabildiği modelleri ifade ediyor. Bu modeller genelde kapalı kaynaklı üst düzey modellere göre daha düşük maliyetle yoğun şekilde çağrılabildiği için, tekrarlayan işlemlerin yoğun olduğu ajan tipi hizmetlerde tercih edilme potansiyeli taşıyor.

OpenRouter verilerinde Çin kökenli açık kaynaklı modellerin haftalık payı, 2024 sonunda yüzde 1,2 seviyesindeyken 2025'in bazı haftalarında yüzde 30'a yaklaştı. TokenPost, açık ağırlıklı modellerin toplam token kullanımının yaklaşık üçte birine ulaştığı eğilimi daha önce aktarmıştı.

Token payı ile gerçek harcama payının birbirinden ayrılması gerekiyor. Düşük maliyetli modeller çok sayıda token işlese bile birim fiyatları düşük olduğundan toplam harcama içindeki payları görece küçük kalabiliyor. Bu da token kullanımındaki artışı doğrudan ciro büyümesi ya da 'pazar hakimiyeti' genişlemesiyle bir tutmayı zorlaştırıyor.

Ajan tipi kullanımın yaygınlaşmasıyla maliyet yönetimi de platformun öncelikli gündem maddelerinden biri haline geldi. OpenRouter, 24 Temmuz'da istekleri departman, görev türü, ajan karmaşıklığı ve maliyet merkezine göre otomatik sınıflandıran 'Classifiers' özelliğini kullanıma sundu.

Şirket bu özellik sayesinde ajanların yürüttüğü işlemleri, model tercihlerini ve maliyet akışını izleyebildiğini açıkladı. Bir ajan birden fazla modeli ve aracı art arda çağırdığında maliyetin hangi aşamada oluştuğunu ayırt etmeyi hedefleyen bir adım bu.

Geliştirici topluluğunda maliyet ve önbellekleme (caching) konusunda da eleştiriler dile getirildi. Microsoft(MSFT) Visual Studio Code (VS Code) GitHub sayfasındaki bir sorun bildiriminde, OpenRouter'ın kendi API anahtarı bağlantı yöntemiyle Claude modelleri kullanılırken prompt önbelleklemesinin devreye girmediği ve bunun ajan modu maliyetlerini artırdığı belirtildi. Ajan tipi yapay zekanın yaygınlaşması, yalnızca token kullanımını artırmakla kalmıyor; yönlendirme, önbellekleme ve faturalandırma altyapısında iyileştirme talebini de beraberinde getiriyor.