Đây chính xác là nghịch lý Jevon đang hoạt động ở dạng tinh khiết nhất. Bởi vì chi phí của các token AI đã giảm, chúng ta giờ đây có thể sử dụng nhiều hơn cho các nhiệm vụ ngày càng phức tạp. Điểm mấu chốt, do đó, không phải là "AI đang trở nên đắt đỏ hơn"; thay vào đó, vì nó đang trở nên rẻ hơn và có khả năng hơn, chúng ta đang sử dụng nhiều hơn để giải quyết vấn đề tốt hơn. Đối với hầu hết mọi nhiệm vụ tương tự, chúng ta chỉ đang sử dụng nhiều token hơn để hoàn thành nhiệm vụ nhằm mang lại đầu ra tốt hơn nhiều. Dù là viết mã, trả lời một câu hỏi về chăm sóc sức khỏe, hay phân tích một hợp đồng, chúng ta đang sử dụng nhiều AI hơn hôm nay để thực hiện công việc đó vì chúng ta cần thêm điểm hiệu suất. Có được câu trả lời đúng 99% khi làm việc với một hợp đồng pháp lý là *rất* khác so với câu trả lời đúng 90%, và nó dễ dàng xứng đáng với mức tăng từ 10X đến 100X trong số token. Bây giờ, vào *một* thời điểm nào đó, chúng ta sẽ bắt đầu đạt đến những điểm cao cho một số loại nhiệm vụ nhất định, và sau đó chi phí cho mỗi nhiệm vụ sẽ giảm. Ví dụ, có lẽ chúng ta không cần 100X nhiều token hơn so với hôm nay để trả lời một câu hỏi y tế đơn giản hoặc tóm tắt một tài liệu. Vì vậy, cuối cùng, trên cơ sở tương tự, những khối lượng công việc này sẽ trở nên rẻ hơn khi chúng ta có thể nắm bắt được những lợi ích về hiệu suất từ các mô hình. *Nhưng*, chu kỳ chung sẽ tiếp tục mãi mãi, vì chúng ta sẽ chỉ tiếp tục nâng cao tiêu chuẩn của những gì chúng ta làm với AI. Khi các token tiếp tục trở nên rẻ hơn nhờ những đột phá thuật toán, sự cạnh tranh về giá GPU, hiệu quả tính toán chung và các lựa chọn trọng số mở, chúng ta sẽ tìm ra những cách tiếp theo để tiêu thụ các token. Chúng ta sẽ triển khai nhiều tác nhân hơn song song để tăng tốc độ thực hiện nhiệm vụ, chúng ta sẽ sử dụng các hệ thống đa tác nhân để so sánh câu trả lời và đạt được sự đồng thuận, chúng ta sẽ giải quyết nhiều vấn đề công việc tri thức phức tạp hơn, và chúng ta sẽ có nhiều tác nhân chạy lâu hơn ở phía sau.