百万亿Token揭示2025 AI趋势：开源中国力量崛起，推理编程成主流

一项基于百万亿Token的大规模分析近日揭示了2025年人工智能领域的发展脉络，这份由OpenRouter与知名风投a16z联合发布的报告在海外社交平台引发热议。

无论是其独特的分析视角，还是得出的诸多结论，都成为𝕏平台上网友讨论的焦点。

值得注意的是，报告明确肯定了中国开源模型的贡献，其每周Token用量占比一度高达30%。除了备受关注的DeepSeek，编程赛道的新锐MiniMax也被特别提及。

这份名为《State of AI：An Empirical 100 Trillion Token Study with OpenRouter》的报告，由OpenRouter和a16z联手打造。

它分析了自2024年11月至2025年11月期间，OpenRouter平台上超过300个模型的实际调用数据，覆盖了GPT系列、Claude、Gemini、DeepSeek、Qwen、Kimi等国内外主流开源与闭源模型。

该研究的统计维度颇为新颖——不再拘泥于各类基准测试分数，而是聚焦于模型真实的Token消耗量。

Token消耗量直观体现了模型被采纳的程度和应用场景，因此比传统测试分数更能揭示其实际价值。

此次，他们依托100万亿Token的海量数据，提炼出以下核心洞察（精简版）：

预计至2025年底，开源模型的使用份额将逼近约三分之一，与闭源模型形成互补格局，而非此消彼长的零和博弈；

在开源阵营中，中国模型表现抢眼，流量占比从1.2%飙升至30%；

模型的角色正从“语言生成工具”蜕变为“推理执行系统”，推理模型成为新的主流范式；

编程与角色扮演占据模型应用的主导地位；

用户留存呈现“水晶鞋效应”（一旦契合需求便能大放异彩），新模型发布时能否精准解决特定痛点成为关键；

模型价格下降固然重要，但其影响力远非想象中那般决定性。

若想全面把握2025年AI发展图景，不妨与量子位一同深入研读。

开源不再是闭源替代品，中国力量强势突围

关于开源模型（OSS模型），报告主要解答了以下几个关键问题：

问题1：过去一年，开源与闭源模型的势力对比如何演变？问题2：哪些开源参与者崭露头角？问题3：开源模型的形态正经历哪些变革？

首先，以往普遍认为开源模型只是闭源模型的“廉价替代品”，开发者往往需二选一。而今，开源模型已确立自身独特定位，成为特定场景下的首选方案。

因此，当前二者的关系更趋向互补，开发者常常同时采纳两类模型。

值得关注的是，开源模型的使用量持续稳健攀升——随着DeepSeek V3、Kimi K2等主要开源模型的发布，预计到2025年底其份额将达约三分之一。

与此同时，中国开源模型正成为这一增长的核心驱动力。

国产开源模型的每周使用量占比，从去年底的1.2%最高攀升至30%，平均亦达13%。作为对比，其他地区开源模型的平均份额为13.7%。

不过需说明，开源模型的格局已发生显著变迁——

尽管按总使用量计，DeepSeek仍是最大贡献者。但随着更多开源模型入局，其主导地位有所削弱。

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

预计到2025年底，将无单一模型能持续占据超25%的Token用量，整个开源市场将由5至7个模型共同分割。

总之，2025年开源领域的竞争明显加剧，且未来大概率不会再现一家独大的局面。

此外，开源模型的形态亦在演变，目前中型模型更受市场青睐。报告分类如下：

大型：参数达700亿或以上

中型：参数介于150亿至700亿之间

小型：参数低于150亿

此前开源模型多在两极间权衡——要么“快但弱”，要么“强但贵/慢”，缺乏“既快又足够强”的中间选项。

而今，尽管大、中、小型模型数量均在增长，但数据显示小模型正逐渐失宠，而中型和大型模型正在填补空缺。

报告提到，在2024年11月Qwen2.5-Coder-32B发布之前，这一细分市场几乎可忽略不计。但随后Mistral Small 3和GPT-OSS 20B等模型涌入，使其逐步成为新竞技场。报告指出：

小模型主导开源生态的时代或许已落幕。市场正分化为两类：用户要么倾向于新兴的、强大的中型模型类别，要么将工作负载整合至最强大的单个大型模型上。

推理模型成新范式

其次，语言模型正从对话系统向推理系统、执行系统演进。

年初时，用于推理的Token用量尚可忽略，如今已超50%。

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

而大约几周前，Gemini 2.5 Pro还是主力，此外DeepSeek R1和Qwen3也位列前茅。报告表示：

推理模型正成为实际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少数模型，包括GPT-4o-mini和Claude 3.5、3.7系列，年初它们占了大头。

而到年中，越来越多模型开始支持工具调用，反映出更具竞争力和多样化的生态。

从9月底起，Claude 4.5 Sonnet模型迅速获取份额，同时Grok Code Fast和GLM 4.5等新玩家也取得可见进展。

报告向模型运营商释放明确信号：

工具使用在高价值工作流中呈上升趋势。缺乏可靠工具能力的模型，在企业采纳和编排环境方面有落后风险。

编程和角色扮演成AI主要应用场景

此外，过去一年AI模型的使用方式发生根本性转变，主要体现在三点：

一是任务复杂度提升——从“写短文”到“解难题”。

以往用户主要让AI生成文章或简单回答，如今更多是分析整份文档、代码库或长对话记录，从中提炼关键信息。

二是输入输出均变得“厚重”。

报告显示，用户平均每次提示词长度增加约4倍，反映工作负载越来越依赖上下文信息。

且因模型推理消耗更多Token，完成任务所需的用量增加近3倍。

三是模型正演变为“自动Agent”。

用户不再满足于单轮问答。典型用法是赋予模型复杂目标，让其自主规划步骤、调用工具（如搜索、运行代码）、在长对话中保持状态并最终完成任务。

换言之，AI正从“聊天机器人”转变为能独立完成工作的“智能Agent”。

值得注意的是，在所有任务类别中，编程和角色扮演目前是AI的主要应用领域。

编程是增长最稳定的类别，其查询用量从年初的11%攀升至近期超50%。

在所有编程模型中，Claude系列长期占据主导，大部分时间份额超60%。

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

同期，谷歌份额保持稳定，约15%。此外，Qwen、Mistral等开源模型也在稳步提升份额。报告特别提到：

尤其是MiniMax，已成为快速崛起的新秀，近几周取得显著增长。

此外，角色扮演几乎与编程持平。在开源模型中（限制较少），其占比甚至高达52%。

在这一领域，中国开源模型与西方开源模型平分秋色。DeepSeek的流量中，超2/3为角色扮演和闲聊，彰显其在消费端的极高粘性。

主流模型各有侧重

除了DeepSeek在角色扮演上表现突出，用户对各大主流模型也形成了各自偏好的“打开方式”。

Anthropic无疑是当之无愧的编程专家，其80%以上流量用于编程和技术任务。

谷歌则更像一位通才，用途广泛，涵盖法律、科学、技术及常识查询。

马斯克旗下的xAI同样深耕编程，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的工作重点则随时间明显偏移，从娱乐休闲逐渐转向编程和技术类任务。

Qwen模型同样发力编程，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成为兵家必争之地。

用户留存呈现“水晶鞋效应”

此外，报告针对用户留存问题提出有趣的“水晶鞋效应”。

它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模型的新能力完美匹配，如同灰姑娘穿上刚好合脚的水晶鞋。一旦穿上，便很难换掉，即便后续有更优模型出现。

典型例子是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个月后仍保持40%的高水平，这正得益于它们在工具调用和推理能力上的突破。

这也提醒业界，有时“快”比“好”更重要。首个以突破性能力解决关键问题的模型，即便后来被全面赶超，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。

这里用一些熟知的模型示例，看看具体有哪几种模式：

成功锁定（如Claude、GPT-4o Mini）：刚发布时就抓住核心用户，粘性极高。

从未合脚（如Gemini 2.0 Flash）：发布时未带来突破性能力，用户留不住，表现平平。

回旋镖效应（如DeepSeek）：部分用户试用后离开，但尝试其他模型后又返回，因其在性价比或特定能力上仍是更优选择。

不过报告也提到，“水晶鞋效应”的窗口期很短，基本仅在模型刚发布、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便极为困难。

另外，除上述内容外，报告还得出其他结论：

AI不再局限于硅谷，亚洲地区付费使用量占比从13%翻倍至31%；

北美AI地位相对下降，虽仍是最大市场，但份额已不足50%；

英语仍占82%绝对主导，但简体中文以近5%份额位居第二；

模型定价对使用量影响比想象中小，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支出减少。当某些模型变得足够便宜且好用，人们会在更多场景、用更长上下文、更频繁地调用它。

于是总Token反而飙升，总支出未必降低，这便是报告中提及的“杰文斯悖论”。

最后需提醒，这份报告也存在一定局限性。OpenRouter主要反映开发者和服务端API调用行为，但现实中大量用户通过App或Web直接访问（如ChatGPT App/Web），这些流量不在OpenRouter内。

且OpenRouter的定价策略会影响开发者选择。例如，若GPT-5.1在平台上贵而Claude更便宜，那么使用数据可能向Claude倾斜，但这并不代表“Claude更受欢迎”。

尽管如此，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，或许是其最大价值所在。

参考链接：

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

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