100万亿Token揭示真相：中国开源AI拿下30%全球份额，推理已成主流

前言

之前我在这篇文章(超全面免费 AI  API 分享！零成本开启你的AI之旅！)中介绍过 OpenRouter 这个大模型 API 聚合平台，最近他们通过分析了100 万亿 token用户真实数据，发布了一篇研究报告，反应了真实用户的大模型使用现状。100 万亿 token 是什么概念呢？是人类所有文字资料的好几倍，这个数据量非常有说服力。

原文链接如下：https://openrouter.ai/state-of-ai ，感兴趣的朋友可以看看。我看完后大为震惊，原文很长而且是英文，如果你没时间看原文的话，可以看我这篇文章，可能会颠覆你对 AI 行业的很多认知。

2025 年中国开源模型势不可挡

在过去一年，闭源模型占据 70% 左右的 token 消耗量，而开源模型始终保持在 30%左右，其中来自中国的开源模型的迅速发展，从 2024 年底忽略不计的调用量（周份额低至 1.2%），到 2025 年下半年快速发展到 13.7% 周调用量，在模型发布周的时候（例如 Kimi K2、 Qwen3 Coder 等模型），周调用量甚至达到30% 之多！

在年度开源模型 token 消耗量前十名的厂商里，来自中国的厂商占据了半壁江山，分别是 DeepSeek（深度求索） 、Qwen（千问）、Minimax、Z-AI（智谱）、MooshotAI（月之暗面），而 DeepSeek 更是以 14.37 万亿年度总消耗量领先所有开源模型。在今年上半年 DeepSeek 更是占据了绝大部分 token 消耗量。

△ 图 3 开源模型规模与使用情况。小型、中型和大型模型在每周开源总token使用量中的占比。

但值得关注的是，随着 GLM 4.5、Kimi K2 、MiniMax M2 等模型加入竞争，到了 2025 年年末，没有哪个模型的 token 消耗量超过 25%，这预示着开源模型若停滞不前，往往会被快速迭代或针对特定领域微调的模型取代。

2025 是 Agent 元年

模型不再只是用来生成文本，而是被用于规划、工具调用或在更长的上下文中进行交互来采取行动。目前推理模型的 token 消耗占到了所有 token 消耗的一半以上，随着 GPT-5、Claude 4.5 和 Gemini 3 等更高能力模型的发布，扩展了用户对逐步推理所能达到的预期，用户也越来越偏好能够管理任务状态、遵循多步骤逻辑并支持代理式工作流的模型，而不仅仅是生成文本。

伴随着各种 Agent 的发展，模型工具调用的频率在持续增高，从年初的几乎不计，到年底快速增长至 15%。

△ 图 12 工具调用

用户的提示词越来越长。相比 2024 年，提示词的 token 数量增长到了 4 倍以上。如今的用户请求不再是开放式的生成（如“给我写一篇文章”），而是对用户提供的庞大材料（代码库、文档、笔记、长对话等）进行推理，并产出精炼、高价值的洞见。模型越来越像分析引擎，而非创意生成器。尤其涉及代码理解、调试与生成的请求通常超过 20K 输入 token，而所有其他类别任务的请求始终保持相对平稳且体量较小的 token 输入。

△ 图 14 提示词Token数量正在上升。平均提示词长度自2024年初以来增长了近四倍。

用户于模型对话长度更长，编程任务的对话长度显著长于其他任务。

△ 图 17 每次生成平均 token 数（提示+补全）

△ 图 18 编程中的对话长度与整体相比。编程提示词更长且增长更快。

综合上面的趋势（推理占比上升、工具使用范围扩大、提示词变得更长更复杂、对话长度提升等）表明，大语言模型的使用重心已发生转移。如今，典型的大模型请求不再是一个简单的问题或孤立的指令，而是结构化、多次模型交互的一部分：调用外部工具、对状态进行推理，并在更长的上下文中持续存在。

这意味着我们从人驱动 AI 慢慢过度到，「AI 自我推理自我执行任务」的阶段，AI 可以自己拆解任务、调用工具、迭代验证结果。

大家都用大模型来干什么？编程独占鳌头

总体而言，编程任务消耗了大部分的 token，其中 Anthropic 家族模型占用 60% 左右编程任务 token 消耗量。这也跟我身边的观察非常一致，大部分程序员喜欢用 Claude 家族模型辅助编程。

△ 图 19 编程任务的占比在不断提升。所有被归类为编程的 LLM 查询的占比持续上升，反映出 AI 辅助开发工作流的兴起。

△ 图 20 各模型提供商的编程请求占比。Anthropic 的模型占据最大份额。

很有意思的是「角色扮演」任务也占据了不小的比例（见图 19），在所有任务中排在了第二位，用户尤其是喜欢使用开源模型进行创意类的互动对话（如讲故事、角色扮演和游戏场景等），原因是开源模型有更少的内容限制，这对一些互动类游戏应用、角色扮演类应用尤为重要。

用户留存率的「灰姑娘效应」

所谓的「灰姑娘效应」是指：当用户发现某个模型非常契合自己的工作流，他就会一直使用该模型，就像灰姑娘的高跟鞋，只有灰姑娘最合脚。报告中还发现以下几个现象：

• 先发优势：当一个 AI 模型率先解决某个重要问题时，就获得了巨大的先发优势，早期用户会把这个模型深度整合到自己的工作流程、技术系统和日常使用习惯中，一旦用习惯了，用户就不想换了，因为转换成本太高了。这样就形成了一个稳定的局面：即使后来出现更好的替代品，老用户还是愿意继续用原来的模型
• 留存率体现模型是否有突破性进步：当一个 AI 模型能在早期用户中保持长期使用，说明这个模型在某些任务上实现了重大突破。如果没有这种持续使用现象，说明各家模型水平差不多，没有本质区别
• 抓住用户的"黄金窗口"很短暂：AI 竞争很激烈，每个模型只有很短的时间来吸引核心用户，随着其他模型快速追赶，新模型吸引忠实用户的机会越来越小。

成本与使用量的关系

模型的成本是影响用户行为的关键因素，翻译这种简单的任务用户倾向是使用价格便宜的模型，而编程这种消耗量大对模型性能又有一定要求的任务，用户会选择价格适中的模型。

 △ 图 26 成本和用量根据任务分类

同时报告发现，用户更在乎模型的效果而不是价格，并不会因为某款模型的调用价格更便宜

△ 图 26 闭源模型集中在高成本、高使用象限，而开源模型则主导低成本、高高使用区域。虚线趋势线几乎平坦，显示成本与总使用量之间相关性有限。

这揭示了AI 模型定价新逻辑：便宜不是王道，适配才是关键！

开源模型几乎免费调用，为什么开发者却不愿意深度集成？答案很简单：找不到合适的用例。

就像谷歌推出的 Gemini 系列，Flash 主打"快而省"，Pro 专注"强而精"——这种分层策略正在重塑 AI 市场。厂商们不再纠结于"每个 token 多少钱"，而是转向更聪明的思考："每次成功任务要花多少钱"？

市场正在分层：

• 轻量级任务？选择便宜快速的模型
• 核心业务场景？投入更强大的模型
• 对延迟敏感？优先考虑速度优化

生产环境的真相： 企业更愿意选择"快而准"的专用模型，而不是"便宜但不稳定"的通用模型。当任务结果的质量比省几毛钱更重要时，可靠性和适配度就成了决胜因素。

这告诉我们：AI 模型远未成为"大路货"。用户愿意为更好的体验、更强的能力、更稳定的服务买单。差异化价值依然存在，而且比以往任何时候都更重要。

总结

🔄 没有永远的王者，开源闭源平分天下 AI 江湖群雄并起，没有一家独大。对开发者来说，别把鸡蛋放一个篮子——要灵活搭配多种模型，为不同任务选择最优解。对模型厂商而言，警惕来自角落的挑战，社区模型随时可能抢走你的地盘，除非你持续创新。

🎭 超一半用户用 AI"聊天"，不是"干活" 颠覆认知！超过一半的开源模型使用者，竟然是在角色扮演和讲故事。早期 ChatGPT 用户也是先玩后用，从娱乐逐渐转向生产力。这打破了"AI 主要是生产力工具"的假设——很多人要的是陪伴和探索，不是效率。

🤖 AI 进化：从"一问一答"到"多步推理" AI 不再是简单的问答机器，而是智能化的执行者。它会规划、推理、调用工具、访问数据，通过多轮迭代完成任务。评估标准也在转变：从"话说得好不好"到"事情办得怎么样"。下一个战场：谁能持续高效地推理，谁就赢得未来。

💰 市场未"白菜化"，质量仍为王道 AI 远未成为廉价商品。用户在成本与质量、可靠性之间做权衡。闭源模型主导高价值业务，开源模型称霸低成本场景——价格战打不赢，价值战才是关键。

👟 留存才是护城河，找到"水晶鞋"就赢了 基础模型飞跃式进步，用户留存成为真正的护城河。每次技术突破都是短暂的机遇窗口，找到完美契合高价值场景的"水晶鞋"，用户就会深度绑定。

对创业者和投资者来说，别只盯着增长曲线，要看留存曲线。那些即使模型更新也坚守的核心用户，才是真正的财富。在这个瞬息万变的市场，谁先抓住未满足的关键需求，谁就能在下一波技术浪潮中存活。

👨‍💻 个人观点

相比 2024 年，我最大的感受是开源大模型能力的井喷，从年初 DeepSeek 一炮而红，到今年下半年，KIMI K2、MiniMax M2、gpt-oss-120b 等模型陆续推出，开源模型凭借跟顶级闭源模型相近的能力、更低的调用成本、更开放的生态俘获了不少用户的芳心，中国厂商在开源大模型领域更是遥遥领先，放两年前这肯定是不敢想象的。

2025 年也是 AI Agent 元年，标志着人工智能从单纯的工具向自主智能体的重大转变。在 AI Agent 的落地实践中，编程任务作为一个关键应用场景，已取得显著的成效表现（从上面报告 token 消耗量也能看得出），我在这一年也用了非常多的 Coding Agent 产品：Cusror、Windsurf、Claude Code、Codex，也切身体会到了 Agent 的强大，改变了我日常编程的流程和范式。2026年AI Agent 也会在其他领域大放异彩。

文章来自于“DeBill独立开发”，作者 “DeBill”。