Токен не є справжнім активом, справжнім активом є інтелектуальний агент

Автор: Чжан Фенг

І. Витрати токенів співробітників технологічних компаній у великих масштабах

У травні 2026 року одна з новин викликала широкий індустріальний резонанс: через відсутність обмежень на ліцензії для використання Claude співробітниками, місячні витрати токенів компанії склали приблизно 500 мільйонів доларів США. Цей крайній випадок заслуговує на увагу не стільки через масштаб, скільки через виявлену логіку вимірювання: компанія прирівнює витрати токенів до інтенсивності використання ШІ співробітниками, але не встановила жодних механізмів контролю, що пов’язані з бізнес-результатом.

Якщо ця “вибухова” ситуація з “рахунковим балансом” є скоріше адміністративною помилкою, то внутрішні практики таких гігантів Кремнієвої долини, як Meta та Amazon, виявляють глибші проблеми. В Meta раніше був запущений рейтинг під назвою “Claudeonomics”, що відстежував витрати токенів понад 85 000 співробітників, з рейтингами “Легенда токенів”, “Модельний цінитель” тощо для стимулювання. Дані показують, що за 30 днів усі співробітники витратили приблизно 60 трильйонів токенів, що за публічною ціною Anthropic становить близько 900 мільйонів доларів. Найвищий один співробітник за місяць витратив близько 2,81 мільярда токенів, що еквівалентно понад 140 тисячам доларів. В Amazon внутрішній рейтинг “KiroRank” спочатку був спрямований на просування застосування ШІ у бізнес-сценаріях, але призвів до ситуації, коли співробітники навмисно виконували беззмістовні операції для “накрутки балів”, що було прямо засуджено старшим віце-президентом: “Не використовуйте ШІ просто для його використання”. Витрати токенів як технічна міра, після перетворення у внутрішній критерій управління, породжують масштабні неправильні стимули.

Звідси випливає ключове питання: чи може кількість витрачених токенів слугувати основою для оцінки інтелектуальних агентів, компаній або співробітників? Якщо ні, то які показники справді мають значення?

Ми вважаємо, що використання витрат токенів як показника є небезпечним, оскільки воно плутає “вартість” і “цінність”, а також “процес” і “продукт”. У сучасних умовах, коли інтелектуальні агенти стають основною формою застосування ШІ, справжнім активом є не токен, а сам інтелектуальний агент.

ІІ. Як з’явилася активізація токенів?

2.1 Розвиток комерціалізації оцінки токенів

Токен як мінімальна одиниця обробки тексту великими моделями вже закріпився як базовий одиничний вимір у галузі ШІ. У березні 2026 року Національна рада з затвердження науково-технічної термінології офіційно назвала його “словоелементом” (詞元), і запустила публічне тестування для всього суспільства. Державне управління даних додатково визначило його як “розрахункову одиницю” епохи штучного інтелекту. За даними Державного управління даних, у першому кварталі 2026 року середньоденне використання токенів у країні перевищило 140 трильйонів, що у понад тисячу разів більше, ніж у 2024 році. Ця стандартизація терміну свідчить про формування галузевої консенсусу щодо системи ціноутворення токенів.

З погляду цінової політики, ринок токенів нині демонструє екстремальну диференціацію. У міжнародних моделях, наприклад, ціна за мільйон токенів у GPT-4o становить 2,5 долара за вхідні дані та 10 доларів за вихідні; Claude Sonnet 4.6 — 3 долари за вхідні та 15 доларів за вихідні. У квітні 2026 року OpenAI офіційно випустила серію GPT-5.5 та її преміум-версію GPT-5.5 Pro, ціна API для яких становить 30 доларів за вхідні та 180 доларів за вихідні на мільйон токенів. Водночас, внутрішній ринок великих моделей у Китаї веде жорстку цінову війну: 27 травня Xiaomi оголосила про постійне зниження цін на API серії MiMo-V2.5 до 0,025 юаня за мільйон токенів, а DeepSeek випустила V4 з ціною на кешовані запити також 0,025 юаня. Відсутня єдина “справедлива” вартість токена — у різних моделях і сценаріях однакове споживання токенів може відповідати ціновим розбіжностям у сотні або тисячі разів.

2.2 Виникнення та проблеми Tokenmaxxing

Технічна обґрунтованість і регуляторна підтримка оцінки токенів як міри, а також практика їх перетворення у управлінський критерій, мають між собою небезпечний розрив. “Tokenmaxxing” почав поширюватися всередині компаній приблизно з 2025 року: логіка полягає в тому, що, оскільки компанія вже придбала інструменти ШІ, співробітники мають максимально їх використовувати для отримання інвестиційної віддачі.

Однак дані показують слабкість цієї логіки. За оцінками, кожен долар витрат на закупівлю токенів може супроводжуватися прихованими втратами у 0,5–0,8 долара, що включають помилки, переписування коду та затримки у ревізії. Аналізи свідчать, що 10% найактивніших користувачів Claude Code витрачають токенів у десять разів більше, ніж звичайні розробники, але їхній результат у 2 рази нижчий. Внутрішні рейтинги у Meta та Amazon були закриті, а Uber за чотири місяці витратив усі свої річні бюджети на токени. Галузь швидко переходить від “багато ШІ — багато результатів” до обережної оцінки “чи варті ці витрати”.

2.3 Економіка інтелектуальних агентів

Проте, обговорення, орієнтоване лише на витрати токенів, ігнорує структурні зміни: інтелектуальні агенти зростають із додаткових можливостей великих моделей у самостійні технології та економічні суб’єкти. У травні 2026 року уряд Китаю спільно з Мінпромторгом і Нацкомісією з розвитку опублікували “Рекомендації щодо застосування та інноваційного розвитку інтелектуальних агентів”, де чітко визначили, що інтелектуальні агенти — важлива форма продуктів і сервісів штучного інтелекту. На конференції розробників Anthropic у травні 2026 року Claude Code був представлений як “асинхронна автоматизація інженерних команд”, а модель перейшла до гібридної системи “фіксована плата + оплата за фактичне споживання обчислювальних ресурсів”. Стратегія Anthropic щодо “управління агентами” відображає глибший зсув: виробники починають безпосередньо продавати інфраструктуру для запуску агентів, перетворюючи бізнес-модель з продажу токенів у продаж здатності запуску інтелектуальних агентів.

У цьому контексті обмеження оцінки витрат токенів стає очевидним, і активізуються пошуки альтернативних систем оцінки.

ІІІ. Чи підходить токен як міра?

3.1 Чотири структурні недоліки токена як міри

Перший — плутанина між вартістю і цінністю. На конференції Baidu Create2026 голова Baidu Роберт Ху заявив: “Токен — це лише витрати, він не відображає прибуток; він вимірює вкладені ресурси, а не результати”. Професор Ма Шаопін з Цінхуа пояснив, що “токен сам по собі не має інтелекту, він — носій інформації; інтелектуальні можливості ШІ залежать від моделювання відносин у послідовності токенів”. Вважати витрати токенів показником ефективності — це все одно, що фабрику оцінювати за спожитою електроенергією: чим більше електрики, тим не обов’язково більше виробів, можливо, обладнання працює неефективно або управління вийшло з-під контролю.

Другий — відсутність універсальних стандартів для порівняння між моделями і задачами. Різні моделі по-різному рахує токени, наприклад, у Anthropic зміни у токенізаторі можуть суттєво впливати на кількість витрачених токенів для однакового тексту. Крім того, для різних задач однаковий обсяг токенів може відповідати різним обсягам роботи. Ще важливіше, що коли ціна за токен вже різниться у сотні разів між моделями, використовувати її як міру ефективності — логічно некоректно.

Третій — викривлення мотивації через оцінку витрат. Якщо витрати токенів враховуються у KPI, співробітники починають цілеспрямовано збільшувати їх кількість, щоб підвищити рейтинг, а не для досягнення реальних цілей. Це веде до “індексної деформації”: розширення ланцюжка задач, додавання зайвих кроків, штучне збільшення кількості токенів — все це спостерігається у практиці Meta та Amazon.

Четвертий — важко оцінити якість виконання. Інтелектуальний агент, що здатен один раз успішно вирішити складну задачу, може витратити менше токенів, ніж той, що виконує багаторазові спроби, помилки і корекції. Більше витрачених токенів — не обов’язково означає кращу якість або більшу цінність.

3.2 Переформулювання інтелектуального агента як основного активу

З вищеописаного випливає ключовий висновок: токен — це ресурс, що витрачається, а інтелектуальний агент — це створювач цінності. Вони схожі на електроенергію і електродвигун: можна підрахувати спожиту електроенергію, але справжня цінність — у тому, скільки роботи зробив двигун і що він виробив.

Стратегія Anthropic підтверджує цю ідею. У травні 2026 року вони випустили нову версію Claude, орієнтовану на “агентне кодування, використання комп’ютерів, знання і роботу з фінансами”, тобто на реальні сценарії застосування. Важливо, що Anthropic у рамках управління агентами перейшли до платформної моделі: замість продажу викликів моделей вони почали пропонувати інфраструктуру для запуску агентів. Це означає, що цінність переходить від базового обчислювального ресурсу до здатності виконувати конкретні завдання.

За словами керівника Claude Code, за поточних цін на підписку цей продукт не є прибутковим. Це підтверджує, що цінність інтелектуального агента визначається не кількістю витрачених токенів, а якістю виконання завдань, автоматизацією і інтеграцією у робочі процеси.

3.3 Виникнення нових стандартів оцінки

Коли оцінка за витратами токенів виявилася недостатньою, почали з’являтися альтернативи. З прикладів — SWE-bench Verified, що став стандартом для оцінки здатності кодових агентів: модель має самостійно знаходити і виправляти баги у реальному коді GitHub. За даними відкритих рейтингів, Claude Sonnet 4 набрав близько 80,2% за цим тестом, а Claude Opus 4.6 — близько 78–80%. Головне — ці стандарти не враховують кількість витрачених токенів, а оцінюють виконання конкретних “завдань”.

Щодо бізнес-цінності, Baidu пропонує показник DAA (кількість активних інтелектуальних агентів на день), що визначається як “кількість агентів, які щодня реально виконують роботу і дають результати”. Це зсуває фокус з “скільки ШІ використано” до “скільки завдань виконано”.

Amazon також досліджує показники “нормалізованого розгортання”, щоб оцінити, наскільки інженери здатні створювати корисний код за допомогою ШІ. Звіт FinOps Foundation 2026 року показує, що 98% компаній вже керують витратами на ШІ, тоді як ще два роки тому — лише 31%. Це свідчить про перехід до більш тонкої і структурованої оцінки.

Загалом, усі ці підходи базуються на тому, що важливо оцінювати якість і кількість виконаних завдань, а не кількість витрачених ресурсів — що підтверджує тезу: “справжнім активом є не токен, а інтелектуальний агент”.

ІV. Порівняння оцінки за токенами і цінової конкуренції

4.1 Підхід на основі токенів проти підходу на основі інтелектуальних агентів

Позиція на користь оцінки за токенами бере початок із заяви Дженсена Хуана на GTC 2026: “Якщо інженер із зарплатою 50 тисяч доларів витрачає за рік токенів на суму 25 тисяч доларів, я буду дуже занепокоєний”. Ідея полягає в тому, що бюджет токенів — це показник продуктивності інженера. В основі — припущення, що кількість витрачених токенів прямо корелює з цінністю.

Однак ця ідея стикається з багатьма проблемами. Наприклад, операційний директор Uber, Ендрю Макдональд, прямо сказав: “Нам важко пов’язати підвищення продуктивності співробітників із зростанням бізнесу”. У практиці співробітники використовують ШІ для задач, які їм не подобаються, а не для найбільш цінних для компанії. За даними опитувань, лише 14% фінансових директорів бачать чіткий і вимірюваний ROI від інвестицій у ШІ. Після вичерпання річного бюджету на токени Uber не показала відповідного зростання результатів. Це свідчить, що між витратами токенів і бізнес-ефектом немає прямого зв’язку, і токен не може бути єдиним показником.

4.2 Цінова війна за токени — двосторонній меч

Конкуренція за ціну токенів ускладнює ситуацію. У квітні 2026 року OpenAI підвищила ціну GPT-5.5 Pro API у кілька разів: ціна входу — 30 доларів, вихід — 180 доларів за мільйон токенів. DeepSeek знизила ціну V4-Pro до 0,025 юаня за мільйон токенів, Xiaomi — також до 0,025 юаня. Різниця у ціновій політиці між постачальниками сягає сотень і навіть тисяч разів. Вартість одного мільйона токенів у різних системах може коливатися від менше 0,03 юаня до понад 200 юанів (близько 30 доларів).

Це ставить під сумнів довіру до токену як міри. Якщо одна й сама кількість токенів коштує у різних системах у сотні разів дорожче, то як можна порівнювати їхню витрату між компаніями? Це створює ризики для інвесторів і аналітиків, адже оцінка ефективності за витратами токенів стає все більш хибною. Витрати на токени швидко диференціюються, і “інвестиційна кількість” втрачає сенс.

V. Факти важливіші за слова

Випадок 1: “Claudeonomics” Meta

У квітні 2026 року співробітник Meta створив внутрішню панель “Claudeonomics”, що підраховувала витрати понад 85 000 співробітників. За 30 днів сукупні витрати склали близько 60 трильйонів токенів, що за ціною Anthropic — приблизно 9 мільярдів доларів. Найвищий один співробітник витратив понад 2,8 мільярда токенів, що еквівалентно понад 140 тисячам доларів.

Цей кейс ілюструє три етапи: перший — стимулювання співробітників до активного використання ШІ через нагороди за кількість токенів; другий — пошук і створення завдань для збільшення витрат; третій — безглузде споживання ресурсів і зниження якості результату. В результаті Meta закрила цей рейтинг.

Випадок 2: Anthropic і обмеження ресурсів

Ще один приклад — Anthropic, що у травні 2026 року взяла під контроль весь обчислювальний центр SpaceX Colossus 1, отримавши понад 300 МВт додаткової потужності і понад 220 000 графічних процесорів Nvidia. Це дозволило збільшити пропускну здатність Claude Pro і Max, але також показує, що модель ціноутворення на основі токенів сильно залежить від обсягу обчислювальних ресурсів і може змінюватися.

Випадок 3: Тиск на бюджети компаній

З’явилися повідомлення, що Microsoft обмежила використання Claude Code, Uber витратила весь річний бюджет за кілька місяців, а компанії як Shopify, Spotify, ServiceNow і Roku повідомляють про зростання операційних витрат через ШІ. Це змусило бізнеси почати серйозно аналізувати співвідношення витрат і результатів.

Випадок 4: Інтелектуальні агенти як активи

Паралельно з цим, компанії, що фокусуються на оцінці інтелектуальних агентів як активів, демонструють інший шлях. Anthropic, наприклад, у 2025 році отримала близько 9 мільярдів доларів річного доходу, а у 2026 — понад 30 мільярдів, що перевищує доходи OpenAI. Це пояснюється тим, що їхні агенти виконують реальні завдання — контрактне оброблення, аналіз даних, управління ланцюгами поставок — і цінуються за якість роботи, а не за кількість витрачених токенів.

VI. Від централізації токенів до централізації інтелектуальних агентів

Загалом, очевидно, що тенденції розвиваються у двох напрямках.

Перше — недоліки оцінки за витратами токенів. Вона плутає вклад і результат, не має універсальних стандартів і породжує неправильні стимули. Практика Meta і Amazon підтверджує цю проблему.

Друге — інтелектуальні агенти стають головним активом у ШІ-економіці. Вони визначаються здатністю виконувати “завдання”, а не споживати ресурси. Висока ефективність означає мінімальні витрати токенів для складних задач, а низька — навпаки. Тому кількість витрачених токенів не відображає реальні можливості агента і не прогнозує ROI.

Третє — галузь поступово переходить від оцінки за токенами до оцінки за інтелектуальними агентами. Стандарти SWE-bench, показники DAA і внутрішні KPI спрямовані на вимірювання якості і кількості виконаних завдань, а не кількості витрачених ресурсів.

Загалом, справжнім активом є не токен, а сам інтелектуальний агент. Токен — це паливо для роботи агентів, але конкурентоспроможність компанії залежить від ефективності “двигуна”, а не від обсягу “бензобаку”. Перехід від централізації оцінки за токенами до оцінки за агентами стане однією з головних тенденцій у переформатуванні систем оцінки у галузі ШІ у найближчі 3–5 років.