用百万亿 Token 揭示今年 AI 发展趋势，硅谷的这份报告火了！

无论是分析问题的角度，还是里面得出的一些结论，都被网友热烈讨论。

而且里面还公开肯定了中国开源模型，其每周 Token 用量占比一度高达 30%。并且除了 DeepSeek，编程领域的新秀 MiniMax 也被特意 cue 到。

这份报告由OpenRouter 和 a16z联合出品，标题为《State of AI：An Empirical 100 Trillion Token Study with OpenRouter》。

里面分析了自 2024 年 11 月至 2025 年 11 月，OpenRouter 平台上300+ 模型的使用情况，涵盖 GPT 系列、Claude、Gemini、DeepSeek、Qwen、Kimi 等国内外主流开源与闭源模型。

而且统计的角度相当特别——不看各种基准得分，而是看模型的真实 Token 消耗量。

Token 消耗量直接反映了模型被使用的方式和程度，因此比测试分数更能揭示其本质价值。

这一次，他们基于100 万亿 Token，在报告里得出了以下主要结论（省流版）：

预计到年底，开源模型的使用量将达到约 1/3，与闭源模型形成互补而非零和博弈；

开源力量中，中国模型尤为受到青睐，流量份额从 1.2% 激增至 30%；

模型正在从 " 语言生成系统 " 转变为 " 推理执行系统 "，推理模型成为新范式；

编程和角色扮演是模型的主要使用方式；

用户留存情况呈现 " 水晶鞋效应 "（一旦合脚就能大放光彩），新模型发布时能否完美解决某类痛点成为关键；

模型价格下降固然重要，但远没有你想象的那么重要。

如果你也想一览 2025 年 AI 发展详情，那就快来和量子位一起深度学习吧。

开源不再是闭源平替，中国力量上大分

关于开源模型（OSS 模型），报告主要回答了这样几个核心问题：

问题 1：过去一年，开源模型和闭源模型的力量对比变化如何？

问题 2：有哪些关键的开源参与者？

问题 3：开源模型的形态正在发生哪些变化？

首先，以前大多认为开源模型是闭源模型的 " 平替 "，开发者往往需要二选一。但现在，开源模型已经找到了自己的独特定位，成为某些特定场景的首选。

因此，如今二者的关系更接近互补，开发者也往往同时在使用这两类模型。

而且值得一提的是，开源模型的使用量一直在稳步增长——随着 DeepSeek V3、 Kimi K2 等主要开源模型的发布，预计到 2025 年底将达到约三分之一的用量。

与此同时，中国开源模型正在成为这一增长背后的主要引擎。

国产开源模型的每周使用量占比，从去年底的 1.2% 最高上涨至 30%，平均下来也有 13%。作为对比，其他地区开源模型的平均份额为 13.7%。

不过需要说明，开源模型的格局已经发生显著变化——

虽然按照总使用量计算，DeepSeek 仍是最大贡献者。但随着更多开源模型涌入，其主导地位已经被削弱。

以 " 夏季拐点（2025 年中）" 为界线，上半年开源力量高度集中于 DeepSeek V3 和 R1（约占一半以上），下半年却呈现多元化趋势，包括 MiniMax M2、Kimi K2、GPT-OSS 等相继发布。

预计到 2025 年底，没有一个单一模型能持续占比超 25%Token 用量，整个开源市场将由 5~7 个模型均分。

总之，2025 年开源领域的竞争明显更加激烈了，而且未来大概率不会出现一家独大的情况。

另外，开源模型的形态也正在发生变化，目前中型模型更加获得市场青睐。报告给出的分类是：

大型：参数为 700 亿或更多的模型

中型：参数在 150 亿到 700 亿之间的模型

小型：参数少于 150 亿的模型

之前开源模型大多在两种极端之间平衡——要么 " 快而弱 "，要么 " 强而贵 / 慢 "，没有太多 " 又快又足够强 " 的中间选择。

但是现在，虽然大、中、小类别的模型数量都在增长，但数据显示小模型正在失宠，而中型和大型模型正在补位。

报告提到，在 2024 年 11 月 Qwen2.5-Coder-32B 发布之前，这个细分市场几乎可以忽略不计。但之后又涌入了 Mistral Small 3 和 GPT-OSS 20B 等模型，于是这个细分市场逐渐成为又一个竞技场。报告表示：

小模型主导开源生态系统的时代可能已经过去。市场现在正分化为两类，用户要么倾向于一个新兴的、强大的中型模型类别，要么将其工作负载整合到最强大的单个大型模型上。

推理模型成新范式

其次，语言模型正在从一个对话系统升级为推理系统、执行系统。

年初时，模型使用推理的 Token 用量还可以忽略不计，但现在已经超过 50%。

在所有推理模型中，目前马斯克 xAI 旗下的 Grok Code Fast 1 用的推理流量份额最大，领先于 Gemini 2.5 Pro 和 Gemini 2.5 Flash。

而大约几周前，Gemini 2.5 Pro 才是主力，另外像 DeepSeek R1 和 Qwen3 也在使用前列。报告表示：

推理模型正在成为真实工作负载的默认选择。

同时，模型调用工具的占比也在上升。

该功能最初仅集中于一小部分模型，包括 GPT-4o-mini 和 Claude 3.5、3.7 系列，它们在年初占了大头。

而到了年中，有越来越多的模型开始支持工具调用，这反映出一个更具竞争性和多样化的生态系统。

从 9 月底开始，Claude 4.5 Sonnet 模型迅速获得了份额，同时像 Grok Code Fast 和 GLM 4.5 这样的新玩家也取得了肉眼可见的进展。

报告表示，这对模型运营商来说信号相当明确：

工具使用在高价值工作流中呈上升趋势。没有可靠工具的模型有在企业采用和编排环境方面落后的风险。

编程和角色扮演成 AI 主要使用方式

此外，过去一年里，AI 模型的使用方式发生了根本变化，主要体现在以下三点：

一是任务变复杂了——从 " 写短文 " 到 " 解难题 "。

以前大家主要让 AI 生成文章或简单回答，现在更多的是让它分析一整份文档、一个代码库或很长的对话记录，从中提炼关键信息。

二是输入输出都变 " 重 " 了。

报告提到，用户平均每次给模型的提示词增加了约 4 倍，这反映出工作负载越来越依赖上下文信息。

并且由于模型推理消耗更多 Token，模型完成任务需要的用量也增加了近 3 倍。

三是模型正变成 " 自动 Agent"。

用户不再满足于问一句答一句。现在的典型用法是，给模型一个复杂目标，让它自己规划步骤、调用各种工具（如搜索、运行代码）、在长时间对话中记住状态，最终完成任务。

就是说，AI 正在从 " 聊天机器人 " 转变为能独立完成工作的 " 智能 Agent"。

而且值得一提的是，在所有任务类别中，编程和角色扮演目前是 AI 的主要使用方式。

编程是所有类别中增长最稳定的，其查询用量从年初的 11% 上涨至最近的超 50%。

在所有编程模型当中， Claude 系列模型始终占据主导地位，大部分时间其占比超过 60%。

但这一地位正在被动摇。2025 年 11 月，Anthropic 在该领域的市场份额首次跌破 60%，而在 7 月以来，OpenAI 的市场份额已从约 2% 增长至近几周的约 8%。

同期，谷歌的市场份额保持稳定，约为 15%。另外几个开源模型（比如 Qwen 和 Mistral）也正在稳步提升市场份额。报告还特意提到：

尤其是 MiniMax，已成为快速崛起的新秀，近几周取得了显著增长。

此外，角色扮演也几乎与编程持平。在开源模型中（一般限制会更小一点），它甚至占到 52% 的使用量。

在这一领域，中国开源模型和西方开源模型平分秋色。DeepSeek 的流量中，有超过 2/3 是角色扮演和闲聊，显示了其在消费者端的极高粘性。

主流模型都有自己的打开方式

而除了喜欢在 DeepSeek 玩角色扮演，用户对于各大主流模型都有自己钟爱的 " 打开方式 "。

Anthropic 显然是当之无愧的程序员，其 80% 以上流量均用于编程和技术任务。

谷歌更像一位全才，用途相对宽泛，涵盖法律、科学、技术和一些常识性查询。

马斯克旗下的 xAI 也在死磕编程，其技术应用、角色扮演及学术用途在十一月下旬显著增长。

OpenAI 的工作重点则随着时间发生明显偏移，从娱乐休闲活动逐渐转向编程和技术类任务。

Qwen 模型同样发力编程端，角色扮演和科学类任务则随时间有所波动。

总之，用户使用最多的编程正在成为兵家必争之地。

用户留存呈现 " 水晶鞋效应 "

BTW，报告专门针对用户留存问题还提出了一个有趣的 " 水晶鞋效应 "。

它是指，大部分用户会快速流失，但每一代 " 前沿 "AI 模型发布时，都会锁定一小批 " 天选用户 "。这些用户的任务需求恰好与这个模型的新能力完美匹配，就像灰姑娘穿上了刚好合脚的水晶鞋。一旦穿上，他们就很难换掉，即使后面有更好的模型出现。

典型的例子就是 5 月发布的 Claude 4 Sonnet 和 6 月发布的 Gemini 2.5 Pro，其用户留存率在 5 个月后还保持着 40% 的高水平，而这也正是取决于它们在工具调用和推理能力上取得的突破。

这也提醒大家，有时候 " 快 " 比 " 好 " 更重要。第一个用突破性能力解决关键问题的模型，即使后来被全面赶超，也能凭借早期建立的用户习惯和系统集成，长期守住基本盘。

这里也用一些大家熟知的模型打个样，看看具体有哪几种模式：

成功锁定（如 Claude、GPT-4o Mini）：在刚发布时就抓住了一批核心用户，这些用户粘性极高。

从未合脚（如 Gemini 2.0 Flash）：模型发布时没有带来突破性的能力，所以用户留不住，表现平平。

回旋镖效应（如 DeepSeek）：一些用户试用后离开，但尝试了其他模型后又回来了。因为他们发现，DeepSeek 在性价比或特定能力上仍然是更好的选择。

不过报告也提到，" 水晶鞋效应 " 的窗口期很短，基本只在它刚发布、被视为 " 最前沿 " 的那段时间。

一旦后续竞品发布，能力差距被抹平，再想吸引和锁定新用户就非常困难了。

另外，除了上面这些，报告得出的其他结论还有：

AI 不再是硅谷的独角戏，亚洲地区的付费使用量占比从 13% 翻倍至 31%；

北美的 AI 地位相对下降，虽然仍是最大市场，但份额已不足 50%；

英语依然占据 82% 的绝对主导，但简体中文以近 5% 的份额位居第二；

模型定价对使用量的影响比想象中要小，价格下降 10%，使用量仅增加 0.5%-0.7%。

而且降价并不意味着用户花钱就少了，当某些模型变得足够便宜且好用时，人们会在更多地方、用更长上下文、更频繁地调用它。

于是总 Token 反而飙升，总支出可能并不降低，这也是报告中提到的 " 杰文斯悖论 "。

最后需要提醒，这份报告也存在一定局限性。OpenRouter 主要反映的是开发者和服务端 API 调用行为，但现实里还有大量用户通过 App 或 Web 直接访问（如 ChatGPT App/Web），这些流量都不在 OpenRouter 内。

而且 OpenRouter 的定价策略也会左右开发者选择。例如，如果 GPT-5.1 在平台上贵，而 Claude 更便宜，那么使用数据很可能往 Claude 倾斜，但这无法真实代表 "Claude 就更受欢迎 "。

但不管怎样，这份报告无疑为我们提供了一个新视角、一份新参考答案。

而这，或许是其最大的价值。

报告地址：

https://openrouter.ai/state-of-ai

参考链接：

[ 1 ] https://x.com/OpenRouterAI/status/1996678816820089131

[ 2 ] https://x.com/imxiaohu/status/1997489223486865912

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

 锁定 12 月 10 日周三，AI 圈一年一度绝对不容错过的盛宴马上就要来了——MEET2026 智能未来大会。 了解详情

‍

    重磅 GenAI 对话 + 前沿 Agent 圆桌，深挖年度最热议题

    近三十位来自学术界、产业界与前沿创业一线的重量级嘉宾

    「人工智能年度榜单」与「年度 AI 趋势报告」正式发布

，一起来 AI 认知跨年 ❤️‍

点亮星标

科技前沿进展每日见