본문으로 건너뛰기

AI 에이전트 사용량을 재는 새로운 기준

OpenRouter의 requests 순위가 AI 에이전트의 실제 호출 빈도와 실행 구조를 보여주는 보완 지표로 제시됐습니다.

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

GitHub stars와 raw token counts만으로는 AI 에이전트의 실제 사용 빈도와 실행 방식을 구분하기 어렵다는 문제의식에서 OpenRouter의 Cloud Agents Rankings가 requests 기준을 별도 지표로 제시합니다. 이번 달 순위에서는 Ito가 10.1M requests로 1위, Studs.gg가 5.31M으로 2위, Multi-Agent Arena / Olam Labs가 4.77M으로 3위를 기록했습니다. Ito의 agentic QA는 짧은 검증 호출을 대량 생성하고, 멀티 에이전트 서비스는 fan-out과 round trip으로 요청 수를 키울 수 있어 requests는 사용 빈도에는 유용하지만 작업 깊이나 품질을 단독으로 나타내지는 않습니다. 게시글은 tokens와 requests를 함께 봐야 에이전트의 처리량과 호출 구조를 더 정확히 해석할 수 있다는 관점을 던집니다.

실용적 조언

  • AI 에이전트 사용량을 비교할 때 requests만 보지 말고 tokens와 함께 확인해 호출 빈도, 처리량, 작업 복잡도를 분리해서 읽는 편이 적절합니다. 멀티 에이전트 서비스는 fan-out과 round trip이 request 수를 늘릴 수 있으므로 단일 에이전트와 순위를 직접 비교할 때 실행 구조를 함께 기록해야 합니다.

섹션별 상세

01
작성자는 GitHub stars와 raw token counts가 각각 프로젝트의 연식·화제성이나 전체 처리량을 반영할 뿐, 에이전트가 실제로 얼마나 자주 호출되는지는 충분히 나타내지 못한다고 봅니다. OpenRouter의 Cloud Agents Rankings는 같은 대상을 tokens와 requests로 나눠 집계해 사용 패턴을 다른 각도에서 비교합니다. 따라서 request 수는 에이전트의 실제 작업 빈도와 호출 구조를 읽는 보완 지표로 제시됩니다.
02
이번 달 requests 순위에서는 Ito가 10.1M으로 1위, Studs.gg가 5.31M으로 2위, Multi-Agent Arena / Olam Labs가 4.77M으로 3위를 기록했습니다. Ito는 앱을 실행하는 agentic QA 서비스라서 깊은 추론을 적게 하더라도 수천 건의 짧은 검증 호출이 누적될 수 있고, Multi-Agent 구조는 여러 에이전트의 분기와 왕복을 통해 request 수가 늘어날 수 있습니다. 이 순위는 토큰 처리량보다 테스트 반복이나 조정 단계가 많은 사용 사례를 앞세울 수 있습니다.
03
Studs.gg가 Roblox 게임 제작용 AI로 2위를 차지한 점은 request 기준 상위 사용자가 전통적인 개발자에만 한정되지 않을 수 있음을 시사합니다. 게시글은 이를 비개발자의 AI 코딩 사용량이 커지고 있다는 신호로 해석합니다. 다만 제시된 수치는 요청 수와 서비스 설명이며, 실제 사용자 수나 비개발자 비중을 직접 측정한 결과는 아닙니다.
04
goose는 2.12M requests를 기록한 Block의 오픈소스 에이전트로, Agent Zero는 2M requests를 기록한 자율 에이전트 프레임워크로 순위에 올랐습니다. Roo Code는 VS Code의 멀티 모드 코딩 확장으로 1.28M requests를 기록했으며, 게시글은 여러 에이전트 모드가 round trip을 늘리는 요인으로 봅니다. GitLawb는 795K requests를 기록했고, 에이전트가 push하는 decentralized git network와 keypair 기반 identity 및 서명된 push가 특징으로 제시됩니다.

이미지 분석

OpenRouter의 Cloud Agents Rankings에서 Requests 기준 이번 달 순위를 보여주는 누적 막대 차트와 목록이다.
Chart

차트는 2025년 8월 25일부터 7월 말까지 Cloud Agents의 tokens 또는 requests 추이를 색상별 누적 막대로 나타내며, 중간 구간에 약 600B에 이르는 큰 피크가 보입니다. 아래 목록에서는 Ito가 10.1M requests로 1위, Studs.gg가 5.31M으로 2위, Multi-Agent Arena - Olam Labs가 4.77M으로 3위이며, goose·Agent Zero·Letaido·Roo Code·GitLawb·TeleClaw·Clark이 뒤를 잇습니다. 게시글이 requests를 tokens와 구분해 사용량 지표로 평가하는 근거가 되는 화면입니다.

OpenRouter의 Cloud Agents Rankings에서 Requests 기준 이번 달 순위를 보여주는 누적 막대 차트와 목록이다.

Cloud Agents의 요청 수 순위와 기간별 누적 사용량을 함께 표시한 OpenRouter 순위 화면이다.
Screenshot

이미지는 첫 번째 자료와 동일한 Cloud Agents Rankings 화면으로, Requests 탭이 선택된 상태에서 에이전트별 요청 수를 비교합니다. 목록의 수치는 Ito 10.1M, Studs.gg 5.31M, Multi-Agent Arena - Olam Labs 4.77M, goose 2.12M, Agent Zero 2M으로 표시됩니다. 요청 수가 서비스 유형과 실행 구조에 따라 크게 달라질 수 있다는 게시글의 비교 기준을 시각적으로 뒷받침합니다.

Cloud Agents의 요청 수 순위와 기간별 누적 사용량을 함께 표시한 OpenRouter 순위 화면이다.

용어 해설

요청 수 지표(Request Metric)
AI 에이전트가 처리한 API 호출 횟수로 사용량을 측정하는 방식이다. 한 번의 깊은 추론보다 여러 번의 짧은 검증이나 에이전트 간 왕복 호출이 많은 서비스의 실제 호출 빈도를 파악하는 데 적합하다.
토큰 수(Token Count)
모델이 입력과 출력에서 처리한 텍스트 단위의 총량이다. 토큰 수가 많으면 긴 문맥이나 복잡한 응답을 처리했을 가능성을 나타내지만, 호출 횟수와 작업 유형까지 직접 보여주지는 않는다.
멀티 에이전트(Multi-Agent)
여러 AI 에이전트가 역할을 나누거나 순차적으로 작업을 수행하는 구조다. 각 에이전트 사이의 조정과 왕복 호출이 추가되므로 단일 작업에서도 request 수가 커질 수 있다.
팬아웃(Fan-out)
하나의 상위 작업이 여러 하위 에이전트나 처리 단계로 분기되는 실행 패턴이다. 분기된 각 작업이 별도 요청으로 집계되기 때문에 실제 사용량이나 협업 구조에 따라 호출 수가 빠르게 증가한다.
에이전트 기반 품질 검증(Agentic QA)
AI 에이전트가 애플리케이션을 직접 실행하면서 기능을 반복 검증하는 방식이다. 깊은 추론을 한 번 수행하기보다 작은 테스트와 확인 요청을 대량으로 발생시켜 request 중심 지표에서 높은 수치를 만들 수 있다.
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 08. 23.수집 2026. 08. 23.출처 타입 REDDIT

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.