用百萬億Token揭示今年AI發展趨勢，硅谷的這份報告火了！

無論是分析問題的角度，還是里面得出的一些結論，都被網友熱烈討論。

而且里面還公開肯定了中國開源模型，其每周Token用量占比一度高達30%。并且除了DeepSeek，編程領域的新秀MiniMax也被特意cue到。

這份報告由OpenRouter和a16z聯合出品，標題為《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平臺上300+模型的使用情況，涵蓋GPT系列、Claude、Gemini、DeepSeek、Qwen、Kimi等國內外主流開源與閉源模型。

而且統計的角度相當特別——不看各種基準得分，而是看模型的真實Token消耗量。

Token消耗量直接反映了模型被使用的方式和程度，因此比測試分數更能揭示其本質價值。

這一次，他們基于100萬億Token，在報告里得出了以下主要結論（省流版）：

預計到年底，開源模型的使用量將達到約1/3，與閉源模型形成互補而非零和博弈；開源力量中，中國模型尤為受到青睞，流量份額從1.2%激增至30%模型正在從“語言生成系統”轉變為“推理執行系統”，推理模型成為新范式；編程和角色扮演是模型的主要使用方式；用戶留存情況呈現“水晶鞋效應”（一旦合腳就能大放光彩），新模型發布時能否完美解決某類痛點成為關鍵；模型價格下降固然重要，但遠沒有你想象的那么重要。

如果你也想一覽2025年AI發展詳情，那就快來和量子位一起深度學習吧。

開源不再是閉源平替，中國力量上大分

關于開源模型（OSS模型），報告主要回答了這樣幾個核心問題：

問題1：過去一年，開源模型和閉源模型的力量對比變化如何？
問題2：有哪些關鍵的開源參與者？
問題3：開源模型的形態正在發生哪些變化？

首先，以前大多認為開源模型是閉源模型的“平替”，開發者往往需要二選一。但現在，開源模型已經找到了自己的獨特定位，成為某些特定場景的首選。

因此，如今二者的關系更接近互補，開發者也往往同時在使用這兩類模型。

而且值得一提的是，開源模型的使用量一直在穩步增長——隨著DeepSeek V3、 Kimi K2等主要開源模型的發布，預計到2025年底將達到約三分之一的用量。

與此同時，中國開源模型正在成為這一增長背后的主要引擎。

國產開源模型的每周使用量占比，從去年底的1.2%最高上漲至30%，平均下來也有13%。作為對比，其他地區開源模型的平均份額為13.7%。

不過需要說明，開源模型的格局已經發生顯著變化——

雖然按照總使用量計算，DeepSeek仍是最大貢獻者。但隨著更多開源模型涌入，其主導地位已經被削弱。

以“夏季拐點（2025年中）”為界線，上半年開源力量高度集中于DeepSeek V3和R1（約占一半以上），下半年卻呈現多元化趨勢，包括MiniMax M2、Kimi K2、GPT-OSS等相繼發布。

預計到2025年底，沒有一個單一模型能持續占比超25%Token用量，整個開源市場將由5~7個模型均分。

總之，2025年開源領域的競爭明顯更加激烈了，而且未來大概率不會出現一家獨大的情況。

另外，開源模型的形態也正在發生變化，目前中型模型更加獲得市場青睞。報告給出的分類是：

大型：參數為700億或更多的模型中型：參數在150億到700億之間的模型小型：參數少于150億的模型

之前開源模型大多在兩種極端之間平衡——要么“快而弱”，要么“強而貴/慢”，沒有太多“又快又足夠強”的中間選擇。

但是現在，雖然大、中、小類別的模型數量都在增長，但數據顯示小模型正在失寵，而中型和大型模型正在補位。

報告提到，在2024年11月Qwen2.5-Coder-32B發布之前，這個細分市場幾乎可以忽略不計。但之后又涌入了Mistral Small 3和GPT-OSS 20B等模型，于是這個細分市場逐漸成為又一個競技場。報告表示：

小模型主導開源生態系統的時代可能已經過去。市場現在正分化為兩類，用戶要么傾向于一個新興的、強大的中型模型類別，要么將其工作負載整合到最強大的單個大型模型上。

推理模型成新范式

其次，語言模型正在從一個對話系統升級為推理系統、執行系統。

年初時，模型使用推理的Token用量還可以忽略不計，但現在已經超過50%。

在所有推理模型中，目前馬斯克xAI旗下的Grok Code Fast 1用的推理流量份額最大，領先于Gemini 2.5 Pro和Gemini 2.5 Flash。

而大約幾周前，Gemini 2.5 Pro才是主力，另外像DeepSeek R1和Qwen3也在使用前列。報告表示：

推理模型正在成為真實工作負載的默認選擇。

同時，模型調用工具的占比也在上升。

該功能最初僅集中于一小部分模型，包括GPT-4o-mini和Claude 3.5、3.7系列，它們在年初占了大頭。

而到了年中，有越來越多的模型開始支持工具調用，這反映出一個更具競爭性和多樣化的生態系統。

從9月底開始，Claude 4.5 Sonnet模型迅速獲得了份額，同時像Grok Code Fast和GLM 4.5這樣的新玩家也取得了肉眼可見的進展。

報告表示，這對模型運營商來說信號相當明確：

工具使用在高價值工作流中呈上升趨勢。沒有可靠工具的模型有在企業采用和編排環境方面落后的風險。

編程和角色扮演成AI主要使用方式

此外，過去一年里，AI模型的使用方式發生了根本變化，主要體現在以下三點：

一是任務變復雜了——從“寫短文”到“解難題”。

以前大家主要讓AI生成文章或簡單回答，現在更多的是讓它分析一整份文檔、一個代碼庫或很長的對話記錄，從中提煉關鍵信息。

二是輸入輸出都變“重”了。

報告提到，用戶平均每次給模型的提示詞增加了約4倍，這反映出工作負載越來越依賴上下文信息。

并且由于模型推理消耗更多Token，模型完成任務需要的用量也增加了近3倍。

三是模型正變成“自動Agent”。

用戶不再滿足于問一句答一句。現在的典型用法是，給模型一個復雜目標，讓它自己規劃步驟、調用各種工具（如搜索、運行代碼）、在長時間對話中記住狀態，最終完成任務。

就是說，AI正在從“聊天機器人”轉變為能獨立完成工作的“智能Agent”。

而且值得一提的是，在所有任務類別中，編程和角色扮演目前是AI的主要使用方式。

編程是所有類別中增長最穩定的，其查詢用量從年初的11%上漲至最近的超50%。

在所有編程模型當中， Claude系列模型始終占據主導地位，大部分時間其占比超過60%。

但這一地位正在被動搖。2025年11月，Anthropic在該領域的市場份額首次跌破60%，而在7月以來，OpenAI的市場份額已從約2%增長至近幾周的約8%。

同期，谷歌的市場份額保持穩定，約為15%。另外幾個開源模型（比如Qwen和Mistral）也正在穩步提升市場份額。報告還特意提到：

尤其是MiniMax，已成為快速崛起的新秀，近幾周取得了顯著增長。

此外，角色扮演也幾乎與編程持平。在開源模型中（一般限制會更小一點），它甚至占到52%的使用量。

在這一領域，中國開源模型和西方開源模型平分秋色。DeepSeek的流量中，有超過2/3是角色扮演和閑聊，顯示了其在消費者端的極高粘性。

主流模型都有自己的打開方式

而除了喜歡在DeepSeek玩角色扮演，用戶對于各大主流模型都有自己鐘愛的“打開方式”。

Anthropic顯然是當之無愧的程序員，其80%以上流量均用于編程和技術任務。

谷歌更像一位全才，用途相對寬泛，涵蓋法律、科學、技術和一些常識性查詢。

馬斯克旗下的xAI也在死磕編程，其技術應用、角色扮演及學術用途在十一月下旬顯著增長。

OpenAI的工作重點則隨著時間發生明顯偏移，從娛樂休閑活動逐漸轉向編程和技術類任務。

Qwen模型同樣發力編程端，角色扮演和科學類任務則隨時間有所波動。

總之，用戶使用最多的編程正在成為兵家必爭之地。

用戶留存呈現“水晶鞋效應”

BTW，報告專門針對用戶留存問題還提出了一個有趣的“水晶鞋效應”。

它是指，大部分用戶會快速流失，但每一代“前沿”AI模型發布時，都會鎖定一小批“天選用戶”。這些用戶的任務需求恰好與這個模型的新能力完美匹配，就像灰姑娘穿上了剛好合腳的水晶鞋。一旦穿上，他們就很難換掉，即使后面有更好的模型出現。

典型的例子就是5月發布的Claude 4 Sonnet和6月發布的Gemini 2.5 Pro，其用戶留存率在5個月后還保持著40%的高水平，而這也正是取決于它們在工具調用和推理能力上取得的突破。

這也提醒大家，有時候“快”比“好”更重要。第一個用突破性能力解決關鍵問題的模型，即使后來被全面趕超，也能憑借早期建立的用戶習慣和系統集成，長期守住基本盤。

這里也用一些大家熟知的模型打個樣，看看具體有哪幾種模式：

成功鎖定（如Claude、GPT-4o Mini）：在剛發布時就抓住了一批核心用戶，這些用戶粘性極高。從未合腳（如Gemini 2.0 Flash）：模型發布時沒有帶來突破性的能力，所以用戶留不住，表現平平。回旋鏢效應（如DeepSeek）：一些用戶試用后離開，但嘗試了其他模型后又回來了。因為他們發現，DeepSeek在性價比或特定能力上仍然是更好的選擇。

不過報告也提到，“水晶鞋效應”的窗口期很短，基本只在它剛發布、被視為“最前沿”的那段時間。

一旦后續競品發布，能力差距被抹平，再想吸引和鎖定新用戶就非常困難了。

另外，除了上面這些，報告得出的其他結論還有：

AI不再是硅谷的獨角戲，亞洲地區的付費使用量占比從13%翻倍至31%；北美的AI地位相對下降，雖然仍是最大市場，但份額已不足50%；英語依然占據82%的絕對主導，但簡體中文以近5%的份額位居第二；模型定價對使用量的影響比想象中要小，價格下降10%，使用量僅增加0.5%-0.7%。

而且降價并不意味著用戶花錢就少了，當某些模型變得足夠便宜且好用時，人們會在更多地方、用更長上下文、更頻繁地調用它。

于是總Token反而飆升，總支出可能并不降低，這也是報告中提到的“杰文斯悖論”。

最后需要提醒，這份報告也存在一定局限性。OpenRouter主要反映的是開發者和服務端API調用行為，但現實里還有大量用戶通過App或Web直接訪問（如ChatGPT App/Web），這些流量都不在OpenRouter內。

而且OpenRouter的定價策略也會左右開發者選擇。例如，如果GPT-5.1在平臺上貴，而Claude更便宜，那么使用數據很可能往Claude傾斜，但這無法真實代表“Claude就更受歡迎”。

但不管怎樣，這份報告無疑為我們提供了一個新視角、一份新參考答案。

而這，或許是其最大的價值。

報告地址：
https://openrouter.ai/state-of-ai