A tokenalapú pazarlás, vagyis a „tokenmaxxing” gyakorlata lassan visszaszorul, miután a szolgáltatók és a felhasználók is elkezdtek szembesülni a tényleges költségekkel. A GitHub Copilot példája jól illusztrálja a változást: a korábbi havi díjas, korlátlan használatot biztosító konstrukciót olyan előfizetés váltotta fel, amely havi krediteket ad; egy kredit értéke 0,01 USA-dollár, és a kreditek a választott AI-szolgáltató számláját terhelik. Ha elfogynak a kreditek, a felhasználónak frissítenie kell a csomagját, vagy további krediteket kell vásárolnia.
Miért most? Két nagy trend találkozása
A fordulat nem véletlen: a tokenmaxxing a nagyobb iparági trendek következménye és egyben áldozata is. Az egyik trend a blitzscaling: az OpenAI-tól kiinduló, gyors felhasználószám-növelést előtérbe helyező stratégia, amely gyakran veszteséges üzemelést fogadott el a piaci fölény megszerzése érdekében. Ez a modell hosszabb távon bevételi mechanizmusok (felhasználói díjak, adateladás, hirdetés) kitalálására támaszkodott, ami végső soron a szolgáltatások leértékelődéséhez és árazási korrekciókhoz vezet.
A másik, közben felgyorsult jelenség 2025 második felére tehető: a tokenfelhasználás robbanásszerű növekedése. Megjelentek a „reasoning” (érvelő) modellek, amelyek a probléma megoldása során belső párbeszédet folytatnak — ezek a reasoning tokenek gyakran meghaladják maguk a promptok és a végső válasz tokenjeinek számát, és sok esetben outputként számolják őket, ami drágább, mint az input token.
Ezt tovább fokozta az ügynök- (agent-) alapú működés terjedése. Simon Willison idézte 2025 májusában Anthropic Hannah Moran definícióját: „Agents are models using tools in a loop.” Az ügynökök ismétlődő ciklusban olvassák az adatokat, értelmezik azokat, cselekvést választanak, végrehajtják azt és újraértékelnek. Egyetlen kérés így több modellhívássá válhat, mindegyik sok-sok token felhasználásával; az egy híváson belüli, feladathoz kapcsolódó összegyűjtött kontextus és dokumentumok is tömegesen növelik a tokenfelhasználást. A reasoning tokenek és az ügynökök együttes hatása ezért a tokenfelhasználást nagyságrendekkel emelte.
Ár és kapacitás: a veszteséges növekedés határai
Ha a drágább tokenfelhasználás arányosan jobb eredményt hozna, akkor az önmagában kevésbé lenne probléma. Ám a blitzscaling modelljét alkalmazó szolgáltatók hajlandósága a veszteséges üzemre korlátozott; amikor felhasználónként nő a szükséges számítási kapacitás, a költségek is emelkednek. Ennek hatására jelentkeztek áremelések és új árazási modellek:
- GitHub (Microsoft) áttért tokenkreditekre a Copilotnál, így a cégek már nem a szolgáltatók által korlátlanul fedezett költségeket látják viselni.
- Anthropic és OpenAI egyaránt megemelték a nagyobb képességű modellek árát; a cikk kiemeli, hogy Claude Fable kétszer olyan drága, mint az Opus 4.8, és hogy GPT 5.5 modell tokenenkénti költsége nagyjából kétszerese a GPT 5.4-nek.
Anthropic emellett tokenalapú számlázásra váltott volna az agent SDK-jánál (ez jelenleg szünetel), ami további jelzés arra, hogy az olcsó AI-kor véget ér. Ugyanakkor az újabb, képességesebb modellek használata sok esetben több tokenfelhasználást hoz magával, így önmagában a drágább modell sem feltétlenül csökkenti a költségeket.
Kapacitási korlátok: adatközpontok és energia
A számítási kapacitás bővítését nem csupán szerverépületek építése korlátozza: az azt kiszolgáló elektromos infrastruktúra (átviteli hálózatok, generátorok) sincs kész a gyors bővülésre, és ezek kiépítése jelentős beruházást igényel, amely nem a tipikus AI-cégek szakterülete. Néhány szolgáltató — például Anthropic — kapacitási problémákat jelzett; válaszul Anthropic unused adatközpont-kapacitást bérelt a SpaceX-től. Ha a meglévő kapacitás nem elég, a másik eszköz az árak emelése, hogy a fizetőképes keresletre korlátozzák a szolgáltatást. Ezt a változást észreveszik a menedzserek, könyvelők és független fejlesztők egyaránt.
A token-elszámoltathatóság és optimalizáció szerepe
Az árnyomás és a növekvő költségek természetes következménye, hogy a szervezetek token-elszámoltathatóságot és optimalizációt vezetnek be. Bennie Haelen erre mutat rá az „The Subsidy Ended: What Tool-Using Agents Actually Cost” írásában: jobb kormányzás és egy megfigyelhetőségi (observability) réteg kialakítása segít pontosan látni, mit csinálnak az ügynökök és a modellek. Egy jól megtervezett megfigyelhetőségi réteg megmutatja például, hogy a modelleknek küldött adatmennyiség növekszik-e hívásonként, helyesen használják-e a segédeszközöket, vagy ismételten hívnak-e feleslegesen eszközöket — ezek mind azt jelzik, hogy az ügynök hatékony-e.
Fontos továbbá annak ismerete, hogy mely modellek futtatják az ügynökfeladatokat. A reasoning célú általános modellek skálája a nagyon drága, nagy teljesítményű Claude Fable-től és Opus 4.8-tól kezdve egészen olyan modellekig terjed, mint a Gemma 4 26B, amely egy jól felszerelt laptopon is futhat, sőt ennél kisebb modellekig. Sok feladathoz nem szükséges a legdrágább modell; ezért az ügynökök képesek lehetnek kiválasztani a legmegfelelőbb modellt minden kérésre. Vannak eszközök és megoldások — például az OpenRouter —, amelyek modellfüggetlen módon képesek kéréseket irányítani különböző modellekhez (így akár helyi, nyílt modellekhez is), és ez integrálható ügynökökkel, például OpenClaw-dal vagy Claude Code-dal.
Következtetések
A tokenmaxxing hanyatlása már megkezdődött, és bár lassan leszámolhatók vele a maradványok, a pénzügyi és kapacitásbeli kényszerek miatt a tokenek felelős használata hamarosan általánossá válik. A tokenoptimalizáció és a megfigyelhetőség fontossága csak nőni fog, ahogy a per-token költségek emelkednek — és a szerző véleménye szerint ezek az emelések előbb-utóbb elkerülhetetlenek.
