100萬億Token畫出AI版圖｜Claude吃掉編程60%，DeepSeek吃掉開源一半

OpenRouter 和 a16z 剛剛聯合發布了一份報告：
《State of AI：An Empirical 100 Trillion Token Study》

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

這份報告，基于來自全球的真實請求：
100 萬億 token，300 多個模型，60 多個提供方

這是 AI 領域，迄今最大規模用數據研究

最核心的三個信息：

• ? 推理模型已經吃掉了全體 token 的一半

• ? 開源模型穩定在三成，中國開源抬頭

• ? 編程和角色扮演是最真實的兩條主線

這份報告信息非常多，容我慢慢道來

*十分注意：本報告僅代表經由 OpenRouter 的算力調用

開源 vs 閉源

先說一個數字
閉源模型，占有約 70% 的 token

開源 vs 閉源比例

在這張圖中，淺藍色是開源（分中國和其他地區），深藍色是閉源
豎線標注了DeepSeek V3等重要發布節點

在過去的一年中，中國的開源崛起，是一大敘事

開源 vs 閉源模型分布

2024 年底，中國開源模型的周用量只有1.2%
到 2025 年底，抬到單周接近30%，全年平均約13%

中國的開源模型，占據了穩定位置

中國模型的崛起

在這份報告中，對于開源模型，列了一個排行

24年11月-25年11月的 OpenRouter 調用情況

DeepSeek 遙遙領先，14.37 萬億 token。Qwen 第二，5.59 萬億。Meta LLaMA 3.96 萬億，Mistral AI 2.92 萬億

后面還有 OpenAI 的開源系列、Minimax、Z-AI、TNGTech、月之暗面、Google

這里還有一份變化曲線

Top 15 開源模型走勢

早期幾乎是 DeepSeek 雙核壟斷
DeepSeek V3 和 R1 兩條帶子加起來，長期占 OSS 使用的一半以上

從 2025 年夏天開始，市場格局完全變了
Qwen、GLM、Moonshot、Minimax、GPT-OSS系列迅速抬頭
到 2025 年底，沒有任何單個模型超過 25% 的份額

這是一個從寡頭到多元的轉變

模型尺寸：小型退潮，中型起勢

報告把 OSS 按參數規模分成三檔

• ? 小于 15B

• ? 15–70B

• ? 大于等于 70B

結論還算明顯：

• ? 小模型的數量在持續增加，但使用占比在下降

• ? 中模型和大模型的使用占比在提升

中檔市場基本是從Qwen2.5 Coder 32B發布后被“做”出來的

后面Mistral Small 3、GPT-OSS 20B等一批中型模型，把這個帶變成了一個穩定選項

不同大小模型數量變化

現在的開源市場，大致可以這么看

• ? 小模型是試驗場

• ? 中模型是性價比區

• ? 大模型是高復雜度區

這是一份反直覺的發現，開源模型的使用如下

• ?第一大場景是角色扮演，占超過 50%

• ? 編程則是第二，占約 20%

• ? 其他翻譯、知識問答、教育等都在后面

對此，報告給的解釋是：
開源模型的內容過濾更少，可以更自由地用于創意場景，故事續寫、角色扮演、游戲場景

對于角色扮演，這里的也有個細分

Roleplay 子標簽結構

58% 是 Role-Playing Game 場景
另外有寫作資源、成人相關內容

國產模型：主要是編程

但如果單看中國開源模型，畫面又不一樣了

中國 OSS 任務類別趨勢

Roleplay 仍然是最大類，但只有約33%，編程和技術合計約39%

這說明一件事
中國模型在開源世界里，更偏技術生產力使用

編程場景：閉源吃大頭，開源靠中國

報告單獨把 Programming 拎出來看

編程場景，在不同模型源的份額

編程這個品類里，閉源模型（主要是 Claude）還是主力

但開源部分，中國模型則是主流選擇

Roleplay 場景：五五開

同樣方式看 Roleplay
閉源和開源已經是可替代關系

Roleplay場景，在不同模型源的份額 推理模型占一半

都說今年是 Agent 的元年
AI 不再是「給個問題，出個答案」
而是：開始規劃、調用工具、多步推理、在長上下文中迭代

報告用四個指標來追蹤這個趨勢

第一，推理模型的用量占比
推理 vs 非推理 token 趨勢

2025 年初，推理模型的用量幾乎可以忽略
現在，這個數字已經超過了 50%

供給側
GPT-5、Claude 4.5、Gemini 3 這些新模型都強調多步推理

需求側
用戶開始偏好能夠管理任務狀態、執行多步邏輯、支持 agent 工作流的模型

下面這個圖，則是頭部推理模型的份額

Top 推理模型 token 份額

之前 Gemini 2.5 Pro 還是第一
然后是 xAI 的 Grok Code Fast 1 領先，Gemini 2.5 Pro 和 Flash 緊隨其后，OpenAI 的 gpt-oss-120b 也在前列

第二，工具調用的使用率
工具調用占比

整體趨勢向上，5 月的尖峰是個別大客戶導致的
這意味著更多的請求不只是問答，而是讓模型去執行外部操作

讓我們再看看工具的使用

按模型看工具調用量

最開始主要是gpt-4o-mini 和 Claude 3.5、3.7

到 9 月之后，Claude 4.5 Sonnet 迅速階梯，然后 Grok Code Fast、GLM 4.5 也開始出現

第三，Prompt 長度的增長
Prompt token 數增長

平均 prompt 長度翻了 4 倍，從約 1,500 token 漲到 6,000+ token

Completion token 數增長

輸出長度也漲了近 3 倍，從約 150 token 到 400 token

不同類別下 Prompt 長度變化

Prompt 長度的增長主要來自編程類任務。代碼理解、調試、生成這些任務經常需要 20K+ 的輸入 token

第四，整體序列長度
平均序列長度變化

過去 20 個月，平均序列長度漲了 2.7 倍

編程 vs 全體 序列長度

現在的典型請求不再是“寫一段東西”
而是“給你一大堆代碼 / 文檔，你幫我分析、推理、修改”

報告的判斷是：
Agentic Inference 很快就會（如果還沒有的話）超過人類推理的用量

模型任務的使用場景

報告用 GoogleTagClassifier 把請求分成 12 個類別
Programming、Roleplay、Technology、Science、Translation、Health 等

編程是最大的增長品類
編程成為主導類別

2025 年初，編程相關請求占 token 約 11%
最近幾周，這個數字已超過 50%

這條線對應的是

• ? AI 輔助開發在 IDE 里的深度集成

• ? 內部平臺對 LLM 的接入

• ? 以及調試、日志分析、數據腳本等長上下文場景

在編程盤子里

• ? Anthropic Claude 長期吃掉超過 60% 的支出

• ? Google 穩在 15% 左右，OpenAI 從 2% 爬到約 8%

• ? MiniMax 最近幾周明顯抬頭，是增長最快的新玩家

報告給了兩張“Top 6 類別”和“Next 6 類別”的子標簽分布

前六大類別的子標簽結構

有幾個點值得留意

Roleplay
約 60% 是 Games/Roleplaying Games
另外有 Writers Resources 和 Adult 的不小占比

Programming
超過三分之二被打在 “Programming/Other” 標簽下
說明它是廣義編程需求，不是單一語言的垂直場景

Translation
幾乎平均分布在語言資源和其他
是一個“工具型”長期需求

Science
80% 是 Machine Learning & AI 自身相關
典型的“問 AI 關于 AI”

Health
是所有大類里最分散的
沒有任何一個子標簽超過 25%

次六大類別的子標簽結構

健康是最分散的品類，沒有任何子標簽超過 25%
金融、學術、法律也都很分散，可能是因為這些領域的 LLM 工作流還不成熟

各家廠商的使用畫像

報告把Anthropic、Google、OpenAI、xAI、DeepSeek、Qwen這幾家抽出來，看它們各自的任務分布

Anthropic 使用結構

Anthropic高度集中在編程和技術任務。角色扮演和閑聊只是一小部分

Google 使用結構

Google使用分布更均勻。翻譯、科學、技術、知識問答都有份額。編程占比在 2025 年底降到了 18% 左右

xAI 使用結構

xAI大部分時間 80% 以上是編程。但 11 月突然變了，技術、角色扮演、學術都漲起來了。報告推測這和 xAI 通過某些消費應用免費分發有關，帶來了大量非開發者用戶

OpenAI 使用結構

OpenAI2025 年初超過一半是科學類任務，到年底降到 15% 以下。編程和技術各占 29% 左右

DeepSeek 使用結構

DeepSeek角色扮演、閑聊、娛樂占了大頭，經常超過 2/3。編程和科學只占一小部分

Qwen 使用結構

Qwen編程長期維持在 40–60% 區間，Science、Technology、Roleplay 份額波動較大

每個廠商都有自己的定位，沒有誰能通吃所有場景

地理分布

LLM 使用越來越全球化，OpenRouter 的亞洲請求持續增多

區域結構：亞洲份額翻倍
按地區的支出占比

亞洲份額從 13% 漲到 31%，翻了一倍多

北美還是最大的，占 47.22%，但已經不到一半了。亞洲 28.61%，歐洲 21.32%。大洋洲、南美、非洲加起來不到 3%

按國家看，美國 47.17%，新加坡 9.21%，德國 7.51%，中國 6.01%，韓國 2.88%，荷蘭 2.65%，英國 2.52%，加拿大 1.90%，日本 1.77%，印度 1.62%，其他 60+ 國家合計 16.76%

語言結構：英文第一，中文第二

語言分布很直白

• ? 英語 82.87%

• ? 簡體中文 4.95%

• ? 俄語 2.47%

• ? 西班牙語 1.43%

• ? 泰語 1.03%

英文仍然是絕對統治地位，但中文已經是第二大單語種

需要注意：這個數據只代表 OpenRouter 的訪問請求

用戶留存：灰姑娘的玻璃鞋

這是很意思的發現
早期用戶的留存遠遠好于后來的用戶
他們把這叫做「灰姑娘的玻璃鞋」

灰姑娘的玻璃鞋 Cinderella Glass Slipper 當一個新模型發布時，最早嘗試的那批用戶，如果發現這個模型剛好能解決他們的問題（「鞋子剛好合腳」），他們就會留下來，而且留存時間非常長

第一個解決用戶真實痛點的模型，會建立起深度、粘性的使用
用戶會圍繞這個模型建立工作流和習慣，切換成本很高

對于模型開發者和投資人來說，要看的不是增長曲線，而是留存曲線，那些「基礎性群組」的形成

這里先放幾個留存曲線，大家感受下

Claude 4 Sonnet 留存Gemini 2.5 Pro 留存OpenAI GPT-4o Mini 留存DeepSeek R1 留存

對此，讓我們來看看這幾組模型

OpenAI GPT-4o Mini的水晶鞋

2024 年 7 月的曲線明顯高出其他時期
后面所有曲線幾乎都在底部貼著走

OpenAI GPT-4o Mini 留存

如果某個模型在發布時就抓住了需求
對應的用戶就會成為基礎性群組

后面再進來的用戶
要么已經有主力模型
要么只是輕度使用
窗口只有一次，錯過就沒有

Gemini 2.0 Flash沒有水晶鞋

Gemini 2.0 Flash的留存，則非常貼合
每條曲線都差不多
沒有任何一條明顯高出

OpenAI GPT-4o Mini 留存

這是啥意思呢？
這模型來的太遲了，也沒有足夠的性能優勢
所以，并不會某個高價值工作負載視為“第一選擇”
它們從一開始就被當作“夠用”的替代品

DeepSeek的先跌后升

DeepSeek V3/R1則比較特殊
留存曲線都出現了「先跌后升」

DeepSeek V3 留存DeepSeek R1 留存

報告把這個叫boomerang effect
就是用戶離開以后又回來
說明對比了其他模型后
確認 DeepSeek 在性能 + 成本 + 特性組合上仍然最合適

就只能說牛逼了

定價與用量：四種關系

在報告的最后，有這么一張圖
不同模型的定價策略

開源 vs 閉源模型成本 vs 使用

再看提供方視角

模型成本 vs 使用市場圖

對此，就有了四象限分類：效率巨頭、高端領導者、長尾、高端專家

Efficient giants/效率巨頭
低價高量如 Gemini 2.0 Flash、DeepSeek V3 0324

Premium leaders/高端領導者
高價高量如 Claude 3.7 Sonnet、Claude Sonnet 4

Long tail/長尾
低價低量如 Qwen 2 7B Instruct、IBM Granite 4.0 Micro

Premium specialists/高端專家
極高單價如 GPT-4、GPT-5 Pro

進而的，又多了一些結論

• ? 企業愿意為關鍵任務付高價，開發者和愛好者會涌向便宜的模型

• ? 便宜的模型消耗了更多 token，但不會帶來深度集成

• ? Claude 和 GPT-4 雖然貴，但用量依然大，因為它們更可靠、信任度更高

• ? 光便宜沒用：很多接近零成本的開源模型用量也很小

報告最后給了六個判斷

第一，多模型生態是常態
沒有誰能通吃，用戶會根據任務選模型，開發者沒有忠誠度

第二，使用場景很多元
角色扮演和娛樂用量巨大，不只是生產力工具。

第三，Agentic 推理正在成為主流
單輪問答的時代在過去，多步推理、工具調用、長上下文迭代，這些才是現在的主戰場

第四，地理格局在去中心化
亞洲份額翻倍，中國既是消費者也是供應商。LLM 必須是全球可用的

第五，價格不是唯一變量
用戶會在質量、可靠性、能力廣度之間做權衡

第六，留存是真正的護城河
第一個解決用戶痛點的模型，會建立深度粘性