100万亿Token告诉我们：AI模型的真实使用真相
100万亿Token告诉我们：AI模型的真实使用真相
这可能是迄今为止最大规模的 AI 模型使用行为研究。OpenRouter 联合 a16z 发布的这份报告，基于100万亿Token的真实使用数据，彻底颠覆了我们对大模型使用的认知。
写在前面
你以为大家都在用 AI 写代码、做总结吗？
错了。
这份来自 OpenRouter 的重磅报告告诉我们：超过一半的开源模型使用量，竟然是角色扮演（Roleplay）！ 而且，开源模型的市场份额已经突破 30%，中国开源模型从不到 2% 飙升到近 30%。
让我们深入这份报告，看看 100 万亿 Token 背后的真实故事。
一、开源 vs 闭源：30% 的临界点
核心发现
开源模型的市场份额已经稳定在约 30%，形成了一个有趣的"动态平衡"：
| 模型类型 | 平均周占比 | 特点 |
|---|---|---|
| 闭源模型 (RoW) | ~70% | 可靠性高，企业级应用 |
| 开源模型 (RoW) | ~13.7% | 成本低，可定制 |
| 中国开源模型 | ~13.0% | 增长最快，迭代密集 |
Figure 1: 开源与闭源模型 Token 份额变化趋势（2024年11月 - 2025年11月）。浅蓝色代表开源模型（中国 vs 其他地区），深蓝色代表闭源模型。垂直虚线标记了关键开源模型的发布时间点。
中国开源模型的逆袭
最令人瞩目的是中国开源模型的崛起：
- 2024年底：周占比低至 1.2%
- 2025年末：飙升至近 30%（部分周）
DeepSeek V3、DeepSeek R1、Qwen 系列、Kimi K2 等模型的连续发布，让中国成为全球开源 AI 的重要力量。
Figure 2: 每周 Token 总量（按模型类型）。红色为闭源模型，橙色为中国开源模型，青色为其他地区开源模型。2025年中开始，中国开源模型份额显著增长。
关键洞察
这不是零和游戏。开源和闭源模型正在形成互补关系——闭源模型定义性能上限，开源模型提供成本效率和定制空间。
二、谁是开源世界的王者？
Top 10 开源模型作者
| 排名 | 模型作者 | 总Token量（万亿） |
|---|---|---|
| 1 | DeepSeek | 14.37 |
| 2 | Qwen（阿里） | 5.59 |
| 3 | Meta LLaMA | 3.96 |
| 4 | Mistral AI | 2.92 |
| 5 | OpenAI (OSS) | 1.65 |
| 6 | Minimax | 1.26 |
| 7 | Z-AI | 1.18 |
| 8 | TNGTech | 1.13 |
| 9 | MoonshotAI | 0.92 |
| 10 | 0.82 |
从垄断到百花齐放
一年前，DeepSeek 几乎垄断开源市场（超过50%）。
如今呢？
没有任何一个开源模型的份额超过 25%。 市场从"一家独大"变成了"群雄逐鹿"。
Figure 3: Top 15 开源模型的周 Token 份额变化。2025年中的"夏季拐点"（Summer Inflection）标志着市场结构的根本性转变——从 DeepSeek 主导走向多元竞争。
这意味着：
- 用户有更多选择
- 新模型可以快速获得市场份额
- 持续迭代是保持领先的唯一方式
三、中等模型的崛起：Medium is the New Small
模型尺寸分类
| 类别 | 参数量 | 当前趋势 |
|---|---|---|
| Small | < 15B | 📉 下降到 12% |
| Medium | 15B - 70B | 📈 快速增长 |
| Large | > 70B | 📈 稳定在 50% |
Figure 4: 开源模型尺寸与使用量的关系。小型模型份额持续下降，中型和大型模型正在占据主导地位。
为什么中等模型火了？
Qwen2.5 Coder 32B 的发布（2024年11月）实际上创造了一个新市场。
用户发现：中等尺寸模型在能力和效率之间找到了甜蜜点：
- 比小模型更聪明
- 比大模型更便宜、更快
- 足够应对大多数生产场景
Figure 5: 开源模型数量（按尺寸）随时间变化。虽然各尺寸模型数量都在增长，但使用量却向中大型模型倾斜。
趋势预警
小模型的时代可能正在终结。用户正在向两极分化：要么用中等模型求性价比，要么用最强大模型求极限能力。
四、人们到底在用 AI 做什么？
这可能是整份报告最令人意外的部分。
开源模型使用分布
| 类别 | 占比 | 说明 |
|---|---|---|
| Roleplay（角色扮演） | ~52% | 最大类别！ |
| Programming（编程） | ~15-20% | 第二大类别 |
| Translation（翻译） | ~5% | 稳定需求 |
| Science（科学） | ~4% | 主要是AI相关问题 |
| 其他 | ~19% | 长尾分布 |
Figure 6: 开源模型的使用类别分布随时间的变化。角色扮演（黄色区域）持续占据超过 50% 的份额，编程（绿色）为第二大类别。
角色扮演为何如此火爆？
很多人以为 AI 主要用来：写代码、写邮件、做总结。
现实是：超过一半的开源模型使用量是角色扮演和创意对话！
原因很简单：
- 开源模型限制更少：可以进行更自由的创意表达
- 场景丰富：互动小说、游戏、虚拟角色、同人创作
- 情感连接：用户需要能记住上下文、有性格一致性的对话伙伴
中国开源模型的使用画像
Figure 7: 中国开源模型类别趋势。与整体开源生态不同，中国模型的编程和技术使用占比更高（合计约39%），角色扮演占比约33%。
商业启示
这揭示了一个巨大的消费级AI市场机会：
- 互动叙事
- 游戏 NPC
- 虚拟伴侣
- 创作者驱动的虚拟角色
编程任务的竞争格局
Figure 8: 编程查询的模型来源分布。闭源模型（灰色）仍占主导，但开源模型份额在快速增长，中国开源与西方开源模型交替领先。
角色扮演市场的变化
Figure 9: 角色扮演查询的模型来源分布。2025年末，西方开源模型（橙色，43%）和闭源模型（灰色，42%）几乎平分秋色，中国开源模型也在增长。
不同厂商的使用画像
| 厂商 | 主要用途 | 特点 |
|---|---|---|
| Anthropic Claude | 编程 + 技术 > 80% | 开发者的首选工具 |
| Google Gemini | 多元化分布 | 通用信息引擎 |
| OpenAI | 编程 + 技术 ~58% | 从科学转向编程 |
| DeepSeek | 角色扮演主导 | 消费者导向 |
| Qwen | 编程 40-60% | 技术开发者市场 |
五、Agent 时代来临：推理模型占据半壁江山
推理模型的崛起
从 2024 年 12 月 5 日 OpenAI 发布 o1 开始，AI 进入了"推理时代"：
- 2025年初：推理模型占比几乎为零
- 2025年末：超过 50%
这不是小修小补，这是范式转变。
Figure 10: 推理模型与非推理模型的 Token 份额变化。绿色区域代表推理模型，已突破 50% 的分界线，标志着这一历史性转折。
谁在领跑推理模型？
Figure 11: Top 推理模型（按 Token 量）。xAI 的 Grok Code Fast 1 目前领先，Google 的 Gemini 2.5 Pro 和 Flash 紧随其后。
工具调用的崛起
Figure 12: 工具调用趋势。工具调用占比从 2024 年初的约 5% 增长到 2025 年末的约 15%，增长了 3 倍。
Figure 13: 工具调用 Top 模型。Claude Sonnet 系列和 Gemini Flash 在工具调用方面表现突出。
什么是 Agentic Inference？
传统 LLM 使用：一问一答，单轮交互。
Agentic 推理：
- 多步骤规划
- 工具调用
- 迭代优化
- 长上下文保持
关键指标变化
| 指标 | 2024年初 | 2025年末 | 变化 |
|---|---|---|---|
| 平均 Prompt 长度 | ~1,500 tokens | ~6,000 tokens | 4倍增长 |
| 平均 Completion 长度 | ~150 tokens | ~400 tokens | 近3倍 |
| 工具调用占比 | ~5% | ~15% | 3倍增长 |
Figure 14: Prompt Token 数量增长趋势。平均 Prompt 长度从约 1,500 增长到超过 6,000 tokens，增长近 4 倍。
Figure 15: Completion Token 数量增长趋势。输出长度从约 150 增长到约 400 tokens，主要由推理 token 贡献。
编程驱动的复杂性增长
编程任务的 Prompt 长度是其他任务的 3-4倍，经常超过 20,000 tokens。
Figure 16: 编程是 Prompt Token 增长的主要驱动力。编程任务（橙色线）的平均 Prompt 长度远超其他类别。
这意味着：
- 开发者正在把整个代码库喂给 AI
- AI 正在从"代码补全"变成"系统架构师"
- Context window 的重要性超过以往
Figure 17: 平均序列长度随时间变化。从 2023 年末的不到 2,000 tokens 增长到 2025 年末的超过 5,400 tokens。
Figure 18: 编程任务 vs 整体平均序列长度。编程任务的序列长度是整体平均的 3-4 倍，且增长更快。
预测
Agentic 推理很快将占据大多数推理负载——如果还没有的话。
六、人们到底在用 LLM 做什么？全景视图
编程成为最大且增长最快的类别
Figure 19: 主要类别随时间变化。编程（绿色）从 2025 年初的约 11% 增长到近期的超过 50%，成为最大的单一类别。
Anthropic 主导编程市场
Figure 20: 编程任务中各厂商的份额变化。Anthropic 的 Claude 系列持续主导，占据约 60% 的编程市场份额。
Anthropic Claude 占据编程市场 ~60% 份额——这是一个惊人的数字。
但竞争正在加剧：
- OpenAI 从 ~2% 增长到 ~8%
- Google 稳定在 ~15%
- MiniMax、Z.AI、Qwen 快速增长
各类别的内部构成
Figure 21a: Top 6 类别的 Tag 构成。角色扮演中 58% 是游戏/角色扮演游戏，编程中 68% 是通用编程任务。
Figure 21b: 次 6 类别的 Tag 构成。金融、学术、法律等长尾类别的内部结构更加分散。
各厂商的使用画像详解
Anthropic Claude
Figure 22a: Anthropic Claude 的使用类别分布。编程 + 技术合计超过 80%，是典型的开发者工具定位。
Google Gemini
Figure 22b: Google Gemini 的使用类别分布。分布更加多元化，科学、法律、翻译等类别占比更高。
xAI Grok
Figure 22c: xAI Grok 的使用类别分布。大部分时间编程占比超过 80%，但 11 月末开始向其他类别扩展。
OpenAI
Figure 23a: OpenAI 的使用类别分布。从早期的科学主导转向编程和技术主导，反映了产品定位的演变。
DeepSeek
Figure 23b: DeepSeek 的使用类别分布。角色扮演占据主导地位，但编程使用在逐步增长。
Qwen
Figure 23c: Qwen 的使用类别分布。编程占比 40-60%，是技术开发者的重要选择。
七、全球视角：亚洲的崛起
区域分布变化
| 地区 | 早期占比 | 当前占比 | 趋势 |
|---|---|---|---|
| North America | >50% | ~40-45% | 📉 下降 |
| Europe | ~15-20% | ~15-20% | ➡️ 稳定 |
| Asia | ~13% | ~31% | 📈 翻倍+ |
Figure 24: 各大洲使用量份额的周级别变化。亚洲的增长趋势尤为显著，从 13% 翻倍至 31%。
语言分布
| 语言 | Token 占比 |
|---|---|
| English | 82.87% |
| Chinese (Simplified) | 4.95% |
| Russian | 2.47% |
| Spanish | 1.43% |
| Thai | 1.03% |
| Others | 7.25% |
全球化趋势
AI 模型必须全球可用——在语言、文化、合规等方面都要适应本地需求。下一阶段的竞争将取决于多语言能力和文化适应性。
八、灰姑娘效应：用户留存的秘密
什么是"灰姑娘玻璃鞋"效应？
报告提出了一个精彩的比喻：
每个新模型发布时，都像是在"试穿玻璃鞋"——寻找那些恰好被解决的工作负载。
一旦找到完美匹配：
- 用户会深度嵌入工作流
- 切换成本急剧上升
- 形成基础性用户群（Foundational Cohort）
八个主要模型的留存曲线
Figure 25a: Claude 4 Sonnet 留存率。早期用户（5月群体）在 5 个月后仍保持约 40% 的留存率。
Figure 25b: Gemini 2.5 Pro 留存率。6月群体表现出强劲的基础性用户特征。
Figure 25c: Gemini 2.5 Flash 留存率。各群体表现相似，缺乏明显的基础性用户群。
Figure 25d: GPT-4o Mini 留存率。典型的"单次锁定"模式——首发群体极其稳定，后续群体全部流失。
Figure 25e: Llama 4 Maverick 留存率。典型的"无锁定"模式——所有群体表现相似且较差。
Figure 25f: Gemini 2.0 Flash 留存率。同样是"无锁定"模式，未能建立基础性用户群。
Figure 25g: DeepSeek R1 留存率。展示"回旋镖效应"——用户流失后又回来。
Figure 25h: DeepSeek Chat V3-0324 留存率。同样展示复杂的回旋镖效应。
四种留存模式
| 模式 | 代表模型 | 特点 |
|---|---|---|
| 强基础群 | Claude 4 Sonnet, Gemini 2.5 Pro | 早期用户留存 40%+，5个月后 |
| 单次锁定 | GPT-4o Mini | 首发群体极其稳定，后续群体全部流失 |
| 无锁定 | Gemini 2.0 Flash, Llama 4 | 所有群体表现相似且较差 |
| 回旋镖 | DeepSeek R1 | 用户流失后又回来 |
对创业者的启示
窗口期极短：你的模型被认为是"前沿"的那一刻，就是锁定基础用户的唯一机会。
错过了？别指望后来的用户能弥补。
九、成本与使用量：价格不是一切
市场四象限
Figure 26: 成本 vs 使用量（按类别，对数坐标）。编程和角色扮演是两大"大众市场驱动力"，技术类是"高价高量"的溢价类别。
| 象限 | 特点 | 代表类别 |
|---|---|---|
| Mass-Market Volume (左上) | 低价高量 | 编程、角色扮演、科学 |
| Premium Workloads (右上) | 高价高量 | 技术 |
| Specialized Experts (右下) | 高价低量 | 金融、学术、健康、营销 |
| Niche Utilities (左下) | 低价低量 | 翻译、法律、问答 |
模型市场图
Figure 27: 开源 vs 闭源模型的成本-使用量图（对数坐标）。闭源模型（红色）集中在高成本高使用量区域，开源模型（绿色）主导低成本高容量区域。
Figure 28: AI 模型市场图（按厂商着色）。四个象限清晰呈现：Efficient Giants（低价高量）、Premium Leaders（高价高量）、Long Tail（低价低量）、Premium Specialists（高价低量）。
模型分层示例
| 分层 | 模型 | 价格/1M Tokens | 使用量(log) |
|---|---|---|---|
| Efficient Giants | Gemini 2.0 Flash | $0.15 | 6.68 |
| Efficient Giants | DeepSeek V3-0324 | $0.39 | 6.55 |
| Premium Leaders | Claude 3.7 Sonnet | $1.96 | 6.87 |
| Premium Leaders | Claude Sonnet 4 | $1.94 | 6.84 |
| Premium Specialists | GPT-4 | $34.07 | 3.53 |
| Premium Specialists | GPT-5 Pro | $34.97 | 3.42 |
关键发现
价格弹性极低：价格下降 10%，使用量仅增加 0.5-0.7%。
这说明什么？
- 质量胜过价格：用户愿意为更好的模型付出溢价
- 便宜不够：模型还需要足够好、足够可靠
- 市场尚未商品化：差异化仍然有价值
Jevons 悖论的证据
当某些模型变得非常便宜时，用户反而用得更多：
- 跑更长的上下文
- 做更多的迭代
- 尝试更多的任务
结果是：总消费量反而上升。
十、附录：类别子组成详解
角色扮演的内部构成
Figure 29a: 角色扮演类别的子构成。游戏/角色扮演游戏占 58%，写作资源和成人内容各占约 15%。
编程的内部构成
Figure 29b: 编程类别的子构成。通用编程任务占主导，开发工具次之，各编程语言（.NET、C++、Java 等）各占小部分。
技术的内部构成
Figure 29c: 技术类别的子构成。智能助手和生产力软件合计占 65%，IT 支持和消费电子查询次之。
十一、总结与展望
六大核心发现
- 多模型生态系统：没有单一模型能主导所有场景
- 使用多样性超出想象：角色扮演 > 编程 > 其他
- Agent 时代来临：推理模型占比超过 50%
- 全球化加速：亚洲份额翻倍
- 价格不是决定因素：质量和能力更重要
- 灰姑娘效应：早期锁定决定长期成功
对不同角色的建议
对开发者
- 多模型策略：不要押注单一模型
- 关注 Agent 框架：单轮问答正在过时
- 编程助手将无处不在：准备好更长的上下文
对模型厂商
- 持续迭代是唯一出路：停滞就意味着失去份额
- 找到你的"玻璃鞋"：专注解决特定工作负载
- 全球化思维：英语之外还有广阔市场
对投资者
- 关注留存曲线：而非增长曲线
- 基础性用户群：是护城河的真正来源
- 开源不是威胁：而是推动创新的动力
最后的思考
o1 的发布不是竞争的终结，而是设计空间的扩展。
AI 行业正在从：
- 单一赌注 → 系统思维
- 直觉驱动 → 数据驱动
- 跑分竞赛 → 实际使用分析
如果过去一年证明了 Agentic 推理在规模上可行，那么下一年将聚焦于运营卓越：
- 衡量真实任务完成率
- 减少分布偏移下的方差
- 将模型行为与生产级工作负载的实际需求对齐
数据来源
本文基于 OpenRouter 与 a16z 联合发布的研究报告 "State of AI: An Empirical 100 Trillion Token Study with OpenRouter"（2025年12月）。
- 报告作者：Malika Aubakirova, Alex Atallah, Chris Clark, Justin Summerville, Anjney Midha
- 数据范围：2024年11月 - 2025年11月
- Token 总量：100+ 万亿
- 平台：OpenRouter（支持 300+ 模型，60+ 提供商）
获取原始报告
- 报告原文：State of AI - OpenRouter
- 原始 PDF 报告包含所有图表和详细数据，建议感兴趣的读者下载阅读完整版本。
你对这份报告的发现有什么看法？欢迎在评论区分享你的观点。