新智元報道

編輯：定慧 好困

100萬億Token實證數據揭秘2025年AI發展：開源逆襲、推理優化模型流量飆升至50%以上、用戶留存取決于誰能率先完美解決特定痛點、亞洲付費使用量翻倍、中文成為全球第二大AI交互語言、AI不再是硅谷的獨角戲！

2025年標志著AI發展史上的一個決定性轉折點。

剛剛，OpenRouter和a16z剛剛聯合發布的一篇深度調查，揭示了AI領域正經歷一場前所未有的「大分流」，深度總結了2025年AI發展現狀，并且給出多個反直覺觀點！

報告名稱：《基于OpenRouter的100萬億Toke實證研究》全文2萬多字

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

此前，評估AI模型影響力的指標往往局限于學術基準測試（Benchmarks）或宣稱的用戶數量。

然而，OpenRouter提供了首個基于真實算力消耗的上帝視角。

該報告分析了過去一年中處理的超過100萬億個Token的元數據，這一數據規模足以抹平任何營銷噪音，揭示出開發者和企業究竟在如何使用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。

太長不看版：

開源不再陪跑

開源模型流量占比已達30%，不再是閉源模型的「平替」，而是特定場景的首選。

中國力量崛起

中國開源模型異軍突起，占據全球流量近30%，在迭代速度和特定場景（如角色扮演）上表現統治級。

推理模型為王

推理優化模型流量占比飆升至50%以上，AI從「生成文本」正式轉向「思考問題」。

兩大場景統治

編程（占總流量50%+）統治生產力，角色扮演（占開源流量52%）統治創造力。

亞洲時刻到來

亞洲付費使用量翻倍至31%，中文以近5%的份額成為全球第二大AI交互語言。

水晶鞋效應

用戶留存取決于「首發即匹配」。若新模型發布時能完美解決某類痛點（穿上水晶鞋），用戶將極難流失；否則流失率極高。

價格彈性弱

整體降價10%僅帶來<1%增量，但在特定高效模型上，極致低價引發了使用量的報復性增長（杰文斯悖論）

開源vs閉源：誰在統治模型江湖？

雖然閉源模型依然占據主導地位，但開源模型的使用量已穩步增長至總流量的30%左右。

這一增長并非偶然，而是由一系列高質量模型的發布推動的。

DeepSeek V3/R1、Kimi K2、Qwen 3 Coder等模型的發布，每一次都帶來了顯著的流量波峰，且這種增長具有持續性，證明了開源模型已進入生產環境，而非僅僅是曇花一現的實驗品。

報告中一個極為亮眼的數據是中國開源模型的崛起。

從1.2%到30%

2024年末，中國模型的使用份額僅為1.2%；而到了2025年下半年，在某些周次，中國OSS模型（如DeepSeek、Qwen、MiniMax、Kimi等）的使用量甚至占據了所有模型流量的近30%。

快速迭代

這一增長得益于中國開發者驚人的發布速度和迭代能力。DeepSeek和Qwen家族通過高頻的模型更新，迅速適應了新興的工作負載。

閉源頂梁柱，開源占三成

在OpenRouter上：

閉源大廠模型（OpenAI、Anthropic、Google等）依然撐起了大約70%的Token使用量——特別是在受監管、企業級、關鍵業務上，大家更傾向于用它們。

開源權重模型（OSS）的份額，卻在這一年穩步上漲，到了2025年底，已經穩定在大約30%左右

開源與閉源模型：淺藍色代表開放權重模型，而深藍色對應專有（閉源）產品，垂直虛線標記了關鍵開放權重模型的發布

更有意思的是：這三成已經大量地進入生產使用，新模型發布后，使用量往往不只是短期試用，而是持續維持。

開源和閉源模型的每周Token量：堆疊條形圖顯示隨時間推移各模型類別的總Token使用量。深紅色對應專有模型（Closed），橙色代表中國開源模型、，青色表示其他地區的開源模型

一個重要推手就是中國開源模型的爆發。

像DeepSeek、Qwen、Kimi等模型上線后，中國OSS模型的份額從幾乎可以忽略的1%+，一路爬到某些周能占到近30%的總Token。

在開源陣營內部，去年還是DeepSeek一家幾乎吃掉半壁江山：

一度DeepSeek V3和R1兩個模型加起來占了所有開源Token的超過一半。

但2025年中以后，局面迅速被打散：

Qwen、Kimi、MiniMax、OpenAI的GPT-OSS、meta的LLaMA等不斷加入；

沒有任何一個開源模型，在全年后半段能穩定拿到超過25%的份額。

用一句話概括：去年是「一個DeepSeek，打遍OSS」；今年變成了「五六個開源模型，各自都有穩定流量」。

對開發者來說，這是好消息：不再只有「那個唯一的好開源模型」，而是多個可選項，可以按場景挑。

按模型作者劃分的總Token量（2024年11月–2025年11月）

Top 15開源模型：每個色帶代表一個模型對總Token的貢獻

「中杯」模型才是真愛

過去「小模型（<15B）」和「大模型（>70B）」的兩極分化正在消失。

2025年，「中型模型（15B-70B）」異軍突起。

小模型的衰落

盡管Google Gemma等小模型不斷涌現，但整體份額在下降。

中型模型的PMF

隨著Qwen 2.5 Coder 32B、Mistral Small 3等模型的發布，用戶發現這類模型在能力與效率之間達到了完美的平衡。它們正在成為新的市場主流。

直覺上很多人以為：要么用最小的，便宜、快；要么用最大的，最聰明。

但真實使用數據卻在告訴我們：「中杯」模型，正在成為新的主力。

開源模型規模與使用情況對比。每周由小型、中型和大型模型處理的開源總Token量占比。百分比按每周開源總使用量進行歸一化計算。

智能體推理的崛起

如果說2024年是「聊天機器人」的年份，那么2025年就是「智能體」的年份。

AI的使用方式正在從簡單的問答，轉向復雜的多步任務執行。

推理與非推理趨勢。自2025年初以來，通過推理優化模型路由的Token占所有Token的比例持續上升。

推理模型已成主流

數據顯示，推理優化模型的流量占比已從年初的微不足道，飆升至50%以上。

用戶不再滿足于模型「吐出」文本，而是要求模型進行內部的思維鏈（CoT）計算、規劃和反思。

在這一領域，xAI的GrokCodeFast1異軍突起，與Google的Gemini 2.5系列共同領跑，甚至超越了早期的先行者。

工具調用常態化

越來越多的請求不僅僅是文本生成，而是包含了「工具調用」（tool use）的指令。

這標志著模型正在作為更大系統中的一個組件被調用，而非孤立的對話者。

按推理相關Token量統計的頂尖推理模型。

在推理模型中，xAI的Grok Code Fast 1目前處理著最大份額的推理相關Token流量，緊隨其后的是谷歌的Gemini 2.5 Pro和Gemini 2.5 Flash。

xAI的Grok 4 Fast與OpenAI的gpt-oss-120b共同構成了頭部陣營。

工具調用采用率上升

按工具調用量統計的Top10頭部模型。工具調用功能主要集中在明確為智能體推理優化的模型上，例如Claude Sonnet和Gemini Flash。

輸入更長，任務更重

prompt長度暴漲4倍

平均輸入Token數從1.5k增長到了6k以上。

Output長度翻倍

平均輸出從150 Token增長到400 Token（主要是推理Token的增加）。

這說明用戶不再只是問「如何做番茄炒蛋」，而是扔給模型整個代碼庫、長文檔或復雜的對話歷史，要求模型進行深度的分析和調試。

提示詞數量呈上升趨勢。自2024年初以來，平均提示詞長度已增長近四倍，反映出工作負載對上下文依賴度的顯著提升。

完成Token數量幾乎增長了三倍。

輸出長度也有所增加，盡管基數較小，這表明響應內容更豐富、更詳細，主要歸因于推理Token的增長。

編程成為提示Token增長的主要驅動力。

自2025年春季標簽功能上線以來，編程相關任務始終需要最大的輸入上下文。

平均序列長度隨時間變化。每次生成的平均Token數（提示詞+補全內容）。

上圖顯示，過去20個月中平均序列長度增長超過三倍，從2023年末的不足2000個標記增至2025年末的5400個以上。

這一增長反映了向更長上下文窗口、更深層任務歷史記錄和更精細生成結果的結構性轉變。

其中，編程中的序列長度與整體對比。編程提示詞的系統性更長且增長更快。

場景洞察：大家到底用AI干什么？

通過Google Tag Classifier對數十億次請求的分類分析，報告揭示了AI使用場景的真實分布。

結果可能會讓你大吃一驚：編程和角色扮演是兩大絕對主導。

編程：統治一切的生產力

編程類請求的占比已從年初的11%飆升至50%以上。

主要驅動力

AI輔助開發工具（IDE集成）的普及。

模型偏好

Anthropic的Claude系列在編程領域擁有統治級地位，長期占據60%以上的份額。

競爭加劇

雖然Claude依然是王者，但Qwen3Coder、MiniMax和OpenAI正在蠶食這一市場。

編程作為一個主導且不斷增長的類別，在所有LLM查詢中被歸類為編程的份額持續增加。

編程工作負載高度集中：Anthropic的模型處理最大比例的代碼查詢，其次是OpenAI和Google，MiniMax所占份額正在增長。

其他提供商合計僅占很小部分。

角色扮演：被低估的創意引擎

在開源領域，角色扮演是絕對的王者，占據了開源模型流量的52%。

這打破了「AI主要是生產力工具」的偏見。用戶利用開源模型無審查、可定制的特性，進行故事創作、游戲互動和情感陪伴。

在角色扮演領域，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。

按總Token份額排名的前6大類別。每個條形圖顯示該類別內主要子標簽的細分。

接下來六個類別的Token份額分布。次級類別也有類似細分，展示了各領域中子主題的集中（或分散）程度。

長尾場景：科學、翻譯與健康

除了上述兩大巨頭，其他場景如翻譯、法律、科學等構成了長尾。

科學

主要集中在「機器學習與AI」本身的問題，顯示出AI社區的自指性。

健康

需求高度碎片化，從醫學研究到心理咨詢，覆蓋面極廣。

下面，還針對每家公司進行了詳細的數據統計。數據清晰地勾勒出了各家大模型的「性格」：

Anthropic

硬核的「程序員」，80%以上流量用于編程和技術任務。

DeepSeek

高情商的「陪聊」與「玩家」，主打角色扮演和閑聊。

Google

博學的「全才」，在翻譯、科學、法律等長尾領域表現均衡。

OpenAI

正在從早期的科學/通用用途向編程/技術領域轉型。

Anthropic：主要用于編程和技術任務（占比超過80%），角色扮演使用極少。

谷歌：使用構成廣泛，涵蓋法律、科學、技術及部分常識性查詢。

xAI：代幣使用高度集中于編程領域，技術應用、角色扮演及學術用途在十一月下旬顯著增長。

OpenAI：使用重心逐漸轉向編程與技術任務，角色扮演和日常閑聊大幅減少。

DeepSeek：使用場景以角色扮演和日常互動為主。

Qwen：在編程任務上表現出高度集中，角色扮演和科學類別的使用隨時間波動。

地緣格局：AI使用的全球化

AI不再是硅谷的獨角戲。研究發現：

亞洲地區的付費使用量占比從13%翻倍至31%。

這不僅是因為亞洲也是模型生產地，更因為這里擁有龐大的應用場景和企業用戶。

北美的相對下降，雖然仍是最大市場，但份額已不足50%。

語言分布上，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，不僅超過了西班牙語和俄語，也側面印證了中文AI社區的活力。

留存率分析：「灰姑娘的水晶鞋」效應

這是本報告提出并在理論層面最具洞察力的部分。

在這個模型快速迭代的時代，傳統的「用戶留存」概念失效了。

取而代之的是一種被稱為「灰姑娘的水晶鞋（Cinderella GlassSlipper）」的現象。

什么是「水晶鞋效應」？

當一個新的前沿模型發布時，它就像那只水晶鞋。

市場上存在大量未被滿足的、高難度的潛在工作負載。

如果新模型（水晶鞋）恰好能解決某類特定的高難度任務（灰姑娘），那么這批早期用戶就會形成一個「基石群組」。

他們的留存率極高，不會因為后續有更便宜的模型出現而輕易遷移，因為他們已經圍繞該模型構建了基礎設施和工作流。

如果模型發布時沒有解決任何特定的痛點，或者只是「夠用」，它就無法形成基石群組，用戶流失率會極高。

實證數據

贏家：GPT-4o Mini、Claude 4 Sonnet和Gemini 2.5 Pro在發布初期都形成了明顯的基石群組，留存率曲線在高位企穩。

輸家：一些未能建立「模型-任務匹配」的模型，其所有群組的留存率都極其慘淡。

DeepSeek的「回旋鏢效應」：DeepSeek的數據出現了一個有趣的異常——用戶流失后又回來了。

留存曲線在幾個月后出現反彈。

這說明用戶在嘗試了其他競品后，發現DeepSeek在特定場景（如性價比或特定任務）上依然是不可替代的。

成本vs使用

如果你認為把模型價格降到最低就能贏得市場，那就大錯特錯了。

通過對成本（Cost）與使用量（Usage）進行雙對數坐標分析，研究人員發現了以下規律：

首先，是可以按類型將任務分成四個象限。

溢價工作負載（高價+高頻）

編程、科技。這是兵家必爭之地。用戶愿意為閉源模型支付高價，因為它們能解決復雜問題，產出價值遠高于Token成本。

大眾流量驅動（低價+高頻）

角色扮演、普通問答。這是開源模型的舒適區。通過極致的性價比捕獲海量長尾需求。

專業專家（高價+低頻）

金融、醫療、學術。單次調用昂貴，但總頻次低。

利基工具（低價+低頻）

翻譯、法律助手。

0.73美元/百萬Token的成本中位數，將場景垂直一分為二

其次，是可以按使用-成本將模型分成四個象限。

高級領導者（Premium leaders）：成本不低，但使用量仍然很高，比如Claude Sonnet 4、Gemini 2.5 Pro等。

高效巨頭（Efficient giants）：價格非常便宜，但性能夠好，比如Gemini Flash、DeepSeek V3等。

長尾模型（Long tail）：價格幾乎接近免費，但使用量很有限。

高級專家（Premium specialists）：非常貴，專門服務那些「極少但極值錢」的任務，比如o1-Pro、GPT-5 Pro等。

AI模型市場：成本與使用

第三，是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%。

這意味著，對于關鍵任務，用戶對價格不敏感；對于低價值任務，單純降價也未必能帶來指數級增長。

開源與閉源模型：成本與使用

然后，再加上一點「杰文斯悖論」：

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。

最后，配合前面的類別分析，就可以得到一個非常實用的認知：

閉源模型，主要吃：高價值、高風險、質量必須非常穩的任務；開源模型，主要吃：大量、成本敏感，但對完美度要求略低的任務。降價≠少花錢：有時候用戶反而會「用得更多」。

2025年的AI啟示錄

回顧以上分析不難發現，AI已經不再是單純的技術競賽，而是一場關于場景適配、成本控制與生態構建的綜合戰爭。

LLM不只「寫文案」

編程正在成為最大、最有戰略意義的類別。

而角色扮演和娛樂類，也有著同樣巨大的用量，絲毫不比生產力弱。

多模型生態已成定局

閉源負責高價值，以及與收入掛鉤的工作負載。

而開源負責低成本和大容量的任務。

智能體推理是新常態

更長的上下文、更多的工具調用、更復雜的多步邏輯，正在成為常態；

評判一個模型的好壞，不再只是看「單次回答漂不漂亮」，而是看它在長鏈路里「執行持續推理」的可靠性和效率。

留存的本質是解決難題

模型廠商真正的「護城河」，是率先解決關鍵的工作負載，并留住那批用戶。

也就是所謂的辛德瑞拉「水晶鞋效應」：早點抓住「合腳」的場景，比多撐幾個月的排行榜第一名更重要。

不再是美國的獨角戲

亞洲尤其是中國，已經同時作為重要的模型生產者+重度用戶加入戰局。

「多語言、多文化適配」會變成下一階段的剛需能力。

研究局限說明：

本報告僅基于OpenRouter單一平臺數據，未包含私有化部署及企業內部系統的流量。鑒于部分指標依賴代理推算（如地理位置和推理模式），上述結論旨在揭示行業演進的指示性趨勢，而非絕對定論。

參考資料：

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

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！