Por Canuto  

El consumo semanal de tokens en OpenRouter pasó de 0,5 a 126,2 billones anglosajones desde enero de 2025, un salto de más de 25.000%. Sin embargo, el dato también expone cómo los modelos de razonamiento y los sistemas agénticos pueden inflar las métricas sin demostrar un aumento equivalente en usuarios, adopción o ingresos.
***

  • OpenRouter reportó un aumento del consumo semanal de 0,5 a 126,2 billones anglosajones de tokens desde enero de 2025.
  • El crecimiento puede reflejar, en parte, la cantidad de tokens de pensamiento que generan los modelos de razonamiento antes de responder.
  • GPT 5.6 Luna lideró recientemente el consumo en OpenRouter, mientras Astra encabezó los ingresos y modelos chinos aceleraron su crecimiento.

El consumo semanal de tokens en OpenRouter aumentó más de 25.000% desde enero de 2025, al pasar de 0,5 a 126,2 billones anglosajones de tokens, según un análisis publicado por The Decoder el 17 de septiembre de 2026. La plataforma conecta modelos de inteligencia artificial con productos desarrollados por terceros, por lo que su actividad ofrece una ventana al uso de distintas herramientas en el mercado. Sin embargo, el tamaño del salto no equivale automáticamente a un crecimiento similar en usuarios, productividad o valor empresarial.

Los tokens representan unidades básicas del procesamiento de los modelos de IA y permiten medir cuánto texto recibe o genera un sistema durante una interacción. La comparación utilizada para explicar su función los asemeja a los galones de gasolina de un automóvil, aunque esa medida tampoco informa por sí sola cuántos pasajeros transportó el vehículo ni cuánto valor produjo el viaje. En el caso de OpenRouter, el gráfico describe una explosión del consumo computacional, pero requiere cautela antes de interpretarse como una prueba definitiva de adopción masiva.

Un crecimiento que puede engañar

La principal advertencia está en la diferencia entre contar tokens y medir el uso real de una aplicación. Un modelo puede consumir muchos más tokens para resolver una solicitud sin que el usuario haya aumentado de manera proporcional sus consultas, sus pagos o la importancia del resultado obtenido. Por esa razón, una curva ascendente de procesamiento puede reflejar una mayor complejidad interna, pero no necesariamente una expansión equivalente del negocio que se construye sobre la IA.

Los modelos de razonamiento pueden contribuir especialmente a esa distorsión porque generan grandes cantidades de texto interno antes de entregar una respuesta. Ese material, descrito como tokens de pensamiento, eleva el recuento total incluso cuando la respuesta visible para el usuario permanece relativamente breve. Así, una pequeña variación en el número de solicitudes puede convertirse en un aumento mucho mayor del consumo si cada consulta activa procesos internos más extensos.

El efecto también puede intensificarse en sistemas de IA agéntica que ejecutan tareas en varias etapas y todavía no están optimizados. Un agente puede dividir un objetivo en múltiples instrucciones, revisar sus propios resultados y volver a intentar una acción, consumiendo tokens a un ritmo muy superior al de un chatbot que responde una sola vez. El dato de OpenRouter captura esa actividad, pero no separa por sí mismo el uso eficiente del gasto excesivo de recursos.

Por ello, el gráfico puede leerse como una fotografía del entusiasmo y de la presión computacional que atraviesan los productos de IA, no como una valoración completa del sector. Para evaluar la sostenibilidad de ese crecimiento también serían necesarios indicadores sobre ingresos, costos, retención de usuarios y resultados concretos, pero esos elementos no aparecen en la cifra de tokens presentada. La métrica sigue siendo relevante, aunque su significado depende de la arquitectura y del modelo utilizado.

Consumo e ingresos no cuentan la misma historia

La distribución entre modelos añade otra capa de complejidad a la interpretación. GPT 5.6 Luna, de OpenAI, dominó recientemente el consumo de tokens en OpenRouter, pero ese liderazgo no demuestra necesariamente que fuera utilizado por más personas que sus competidores. También puede indicar que produce más tokens por cada prompt, especialmente cuando el sistema dedica una parte importante de su procesamiento a las fases internas de razonamiento.

La posición de liderazgo cambia cuando se observa el dinero generado por los modelos. Astra, también de OpenAI, encabezó los ingresos dentro de la plataforma, una señal de que el modelo con mayor volumen de tokens no tiene por qué ser el que más facturación produce. La diferencia muestra por qué consumo, actividad y monetización deben analizarse como variables relacionadas, pero no intercambiables.

El desempeño de los modelos chinos también aparece como una tendencia destacada en los datos. Kimi, GLM y DeepSeek registraron un crecimiento rápido, con un gasto mensual que se multiplicó por diez en 2026, aunque partían de una base mucho más pequeña. El porcentaje impresiona por su velocidad, pero su impacto absoluto todavía debe compararse con el de los modelos que ya concentran una porción mayor del mercado.

En conjunto, estas diferencias complican cualquier conclusión basada únicamente en una clasificación. Un modelo puede liderar el consumo porque sus respuestas requieren más procesamiento, otro puede destacar en ingresos por su precio o por el tipo de clientes que lo utiliza, y un tercero puede mostrar un crecimiento porcentual mayor desde una escala reducida. La plataforma, por tanto, expone un mercado dinámico donde las métricas pueden contar historias distintas sobre la misma competencia.

La lección para el debate sobre la burbuja

El gráfico de OpenRouter se incorporó al debate sobre una posible burbuja de la IA porque presenta una expansión visualmente extraordinaria. Pasar de 0,5 a 126,2 billones anglosajones de tokens semanales en el periodo observado produce una curva capaz de alimentar expectativas alcistas sobre la demanda futura de infraestructura y servicios. No obstante, el mismo gráfico puede servir como advertencia contra la costumbre de tratar cualquier crecimiento de una métrica técnica como evidencia automática de creación de valor.

La discusión no depende únicamente de si los tokens aumentan, sino de qué actividad está detrás de ese aumento. Si el volumen procede de modelos que razonan durante más tiempo o de agentes que realizan operaciones repetidas, el crecimiento podría mostrar una mayor intensidad computacional sin revelar todavía una mejora proporcional en resultados económicos. Esa distinción resulta especialmente importante cuando las empresas utilizan cifras de uso para comunicar tracción a inversores, clientes o desarrolladores.

OpenRouter ocupa una posición útil para observar el fenómeno porque sirve de conexión entre modelos y productos, en lugar de representar una sola aplicación final. La diversidad de proveedores permite comparar cómo cambian el consumo y los ingresos entre sistemas con distintas formas de responder, precios y necesidades de procesamiento. Aun así, la plataforma no elimina la necesidad de separar las solicitudes de los usuarios, los tokens generados internamente y el valor que cada interacción aporta al producto final.

La conclusión más prudente es que el aumento confirma una fuerte expansión del procesamiento de IA, pero deja abierta la pregunta sobre su eficiencia y sostenibilidad. El mercado necesitará métricas que relacionen tokens con resultados, ingresos y costos para determinar si la aceleración representa una adopción sólida o una carrera de consumo difícil de mantener. Mientras tanto, el gráfico funciona como una imagen poderosa de la euforia actual y de los riesgos de confundir actividad técnica con éxito empresarial.

La lectura de estas cifras exige, además, reconocer que la tecnología cambia rápidamente y que los modelos pueden modificar sus métodos de razonamiento, precios y límites de uso. Un liderazgo observado en un momento específico no garantiza que se mantenga, del mismo modo que un aumento mensual de diez veces desde una base pequeña no determina la posición futura de un competidor. La información disponible permite describir la tendencia, pero no justificar por sí sola una predicción definitiva sobre el desenlace de la industria.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados