一水 发自 凹非寺
量子位 | 公众号 QbitAI
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𝕏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
— 完 —
