新智元报道

编辑：定慧 好困

100万亿Token实证数据揭秘2025年AI发展：开源逆袭、推理优化模型流量飙升至50%以上、用户留存取决于谁能率先完美解决特定痛点、亚洲付费使用量翻倍、中文成为全球第二大AI交互语言、AI不再是硅谷的独角戏！

2025年标志着AI发展史上的一个决定性转折点。

刚刚，OpenRouter和a16z刚刚联合发布的一篇深度调查，揭示了AI领域正经历一场前所未有的「大分流」，深度总结了2025年AI发展现状，并且给出多个反直觉观点！

报告名称：《基于OpenRouter的100万亿Toke实证研究》全文2万多字

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

此前，评估AI模型影响力的指标往往局限于学术基准测试（Benchmarks）或宣称的用户数量。

然而，OpenRouter提供了首个基于真实算力消耗的上帝视角。

该报告分析了过去一年中处理的超过100万亿个Token的元数据，这一数据规模足以抹平任何营销噪音，揭示出开发者和企业究竟在如何使用AI。

这份报告，基于来自全球的真实请求：100万亿Token，300多个模型，60多个提供方。

太长不看版：

开源不再陪跑

开源模型流量占比已达30%，不再是闭源模型的「平替」，而是特定场景的首选。

中国力量崛起

中国开源模型异军突起，占据全球流量近30%，在迭代速度和特定场景（如角色扮演）上表现统治级。

推理模型为王

推理优化模型流量占比飙升至50%以上，AI从「生成文本」正式转向「思考问题」。

两大场景统治

编程（占总流量50%+）统治生产力，角色扮演（占开源流量52%）统治创造力。

亚洲时刻到来

亚洲付费使用量翻倍至31%，中文以近5%的份额成为全球第二大AI交互语言。

水晶鞋效应

用户留存取决于「首发即匹配」。若新模型发布时能完美解决某类痛点（穿上水晶鞋），用户将极难流失；否则流失率极高。

价格弹性弱

整体降价10%仅带来<1%增量，但在特定高效模型上，极致低价引发了使用量的报复性增长（杰文斯悖论）

开源vs闭源：谁在统治模型江湖？

虽然闭源模型依然占据主导地位，但开源模型的使用量已稳步增长至总流量的30%左右。

这一增长并非偶然，而是由一系列高质量模型的发布推动的。

DeepSeek V3/R1、Kimi K2、Qwen 3 Coder等模型的发布，每一次都带来了显著的流量波峰，且这种增长具有持续性，证明了开源模型已进入生产环境，而非仅仅是昙花一现的实验品。

报告中一个极为亮眼的数据是中国开源模型的崛起。

从1.2%到30%

2024年末，中国模型的使用份额仅为1.2%；而到了2025年下半年，在某些周次，中国OSS模型（如DeepSeek、Qwen、MiniMax、Kimi等）的使用量甚至占据了所有模型流量的近30%。

快速迭代

这一增长得益于中国开发者惊人的发布速度和迭代能力。DeepSeek和Qwen家族通过高频的模型更新，迅速适应了新兴的工作负载。

闭源顶梁柱，开源占三成

在OpenRouter上：

闭源大厂模型（OpenAI、Anthropic、Google等）依然撑起了大约70%的Token使用量——特别是在受监管、企业级、关键业务上，大家更倾向于用它们。

开源权重模型（OSS）的份额，却在这一年稳步上涨，到了2025年底，已经稳定在大约30%左右

开源与闭源模型：浅蓝色代表开放权重模型，而深蓝色对应专有（闭源）产品，垂直虚线标记了关键开放权重模型的发布

更有意思的是：这三成已经大量地进入生产使用，新模型发布后，使用量往往不只是短期试用，而是持续维持。

开源和闭源模型的每周Token量：堆叠条形图显示随时间推移各模型类别的总Token使用量。深红色对应专有模型（Closed），橙色代表中国开源模型、，青色表示其他地区的开源模型

一个重要推手就是中国开源模型的爆发。

像DeepSeek、Qwen、Kimi等模型上线后，中国OSS模型的份额从几乎可以忽略的1%+，一路爬到某些周能占到近30%的总Token。

在开源阵营内部，去年还是DeepSeek一家几乎吃掉半壁江山：

一度DeepSeek V3和R1两个模型加起来占了所有开源Token的超过一半。

但2025年中以后，局面迅速被打散：

Qwen、Kimi、MiniMax、OpenAI的GPT-OSS、meta的LLaMA等不断加入；

没有任何一个开源模型，在全年后半段能稳定拿到超过25%的份额。

用一句话概括：去年是「一个DeepSeek，打遍OSS」；今年变成了「五六个开源模型，各自都有稳定流量」。

对开发者来说，这是好消息：不再只有「那个唯一的好开源模型」，而是多个可选项，可以按场景挑。

按模型作者划分的总Token量（2024年11月–2025年11月）

Top 15开源模型：每个色带代表一个模型对总Token的贡献

「中杯」模型才是真爱

过去「小模型（<15B）」和「大模型（>70B）」的两极分化正在消失。

2025年，「中型模型（15B-70B）」异军突起。

小模型的衰落

尽管Google Gemma等小模型不断涌现，但整体份额在下降。

中型模型的PMF

随着Qwen 2.5 Coder 32B、Mistral Small 3等模型的发布，用户发现这类模型在能力与效率之间达到了完美的平衡。它们正在成为新的市场主流。

直觉上很多人以为：要么用最小的，便宜、快；要么用最大的，最聪明。

但真实使用数据却在告诉我们：「中杯」模型，正在成为新的主力。

开源模型规模与使用情况对比。每周由小型、中型和大型模型处理的开源总Token量占比。百分比按每周开源总使用量进行归一化计算。

智能体推理的崛起

如果说2024年是「聊天机器人」的年份，那么2025年就是「智能体」的年份。

AI的使用方式正在从简单的问答，转向复杂的多步任务执行。

推理与非推理趋势。自2025年初以来，通过推理优化模型路由的Token占所有Token的比例持续上升。

推理模型已成主流

数据显示，推理优化模型的流量占比已从年初的微不足道，飙升至50%以上。

用户不再满足于模型「吐出」文本，而是要求模型进行内部的思维链（CoT）计算、规划和反思。

在这一领域，xAI的GrokCodeFast1异军突起，与Google的Gemini 2.5系列共同领跑，甚至超越了早期的先行者。

工具调用常态化

越来越多的请求不仅仅是文本生成，而是包含了「工具调用」（tool use）的指令。

这标志着模型正在作为更大系统中的一个组件被调用，而非孤立的对话者。

按推理相关Token量统计的顶尖推理模型。

在推理模型中，xAI的Grok Code Fast 1目前处理着最大份额的推理相关Token流量，紧随其后的是谷歌的Gemini 2.5 Pro和Gemini 2.5 Flash。

xAI的Grok 4 Fast与OpenAI的gpt-oss-120b共同构成了头部阵营。

工具调用采用率上升

按工具调用量统计的Top10头部模型。工具调用功能主要集中在明确为智能体推理优化的模型上，例如Claude Sonnet和Gemini Flash。

输入更长，任务更重

prompt长度暴涨4倍

平均输入Token数从1.5k增长到了6k以上。

Output长度翻倍

平均输出从150 Token增长到400 Token（主要是推理Token的增加）。

这说明用户不再只是问「如何做番茄炒蛋」，而是扔给模型整个代码库、长文档或复杂的对话历史，要求模型进行深度的分析和调试。

提示词数量呈上升趋势。自2024年初以来，平均提示词长度已增长近四倍，反映出工作负载对上下文依赖度的显著提升。

完成Token数量几乎增长了三倍。

输出长度也有所增加，尽管基数较小，这表明响应内容更丰富、更详细，主要归因于推理Token的增长。

编程成为提示Token增长的主要驱动力。

自2025年春季标签功能上线以来，编程相关任务始终需要最大的输入上下文。

平均序列长度随时间变化。每次生成的平均Token数（提示词+补全内容）。

上图显示，过去20个月中平均序列长度增长超过三倍，从2023年末的不足2000个标记增至2025年末的5400个以上。

这一增长反映了向更长上下文窗口、更深层任务历史记录和更精细生成结果的结构性转变。

其中，编程中的序列长度与整体对比。编程提示词的系统性更长且增长更快。

场景洞察：大家到底用AI干什么？

通过Google Tag Classifier对数十亿次请求的分类分析，报告揭示了AI使用场景的真实分布。

结果可能会让你大吃一惊：编程和角色扮演是两大绝对主导。

编程：统治一切的生产力

编程类请求的占比已从年初的11%飙升至50%以上。

主要驱动力

AI辅助开发工具（IDE集成）的普及。

模型偏好

Anthropic的Claude系列在编程领域拥有统治级地位，长期占据60%以上的份额。

竞争加剧

虽然Claude依然是王者，但Qwen3Coder、MiniMax和OpenAI正在蚕食这一市场。

编程作为一个主导且不断增长的类别，在所有LLM查询中被归类为编程的份额持续增加。

编程工作负载高度集中：Anthropic的模型处理最大比例的代码查询，其次是OpenAI和Google，MiniMax所占份额正在增长。

其他提供商合计仅占很小部分。

角色扮演：被低估的创意引擎

在开源领域，角色扮演是绝对的王者，占据了开源模型流量的52%。

这打破了「AI主要是生产力工具」的偏见。用户利用开源模型无审查、可定制的特性，进行故事创作、游戏互动和情感陪伴。

在角色扮演领域，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。

按总Token份额排名的前6大类别。每个条形图显示该类别内主要子标签的细分。

接下来六个类别的Token份额分布。次级类别也有类似细分，展示了各领域中子主题的集中（或分散）程度。

长尾场景：科学、翻译与健康

除了上述两大巨头，其他场景如翻译、法律、科学等构成了长尾。

科学

主要集中在「机器学习与AI」本身的问题，显示出AI社区的自指性。

健康

需求高度碎片化，从医学研究到心理咨询，覆盖面极广。

下面，还针对每家公司进行了详细的数据统计。数据清晰地勾勒出了各家大模型的「性格」：

Anthropic

硬核的「程序员」，80%以上流量用于编程和技术任务。

DeepSeek

高情商的「陪聊」与「玩家」，主打角色扮演和闲聊。

Google

博学的「全才」，在翻译、科学、法律等长尾领域表现均衡。

OpenAI

正在从早期的科学/通用用途向编程/技术领域转型。

Anthropic：主要用于编程和技术任务（占比超过80%），角色扮演使用极少。

谷歌：使用构成广泛，涵盖法律、科学、技术及部分常识性查询。

xAI：代币使用高度集中于编程领域，技术应用、角色扮演及学术用途在十一月下旬显著增长。

OpenAI：使用重心逐渐转向编程与技术任务，角色扮演和日常闲聊大幅减少。

DeepSeek：使用场景以角色扮演和日常互动为主。

Qwen：在编程任务上表现出高度集中，角色扮演和科学类别的使用随时间波动。

地缘格局：AI使用的全球化

AI不再是硅谷的独角戏。研究发现：

亚洲地区的付费使用量占比从13%翻倍至31%。

这不仅是因为亚洲也是模型生产地，更因为这里拥有庞大的应用场景和企业用户。

北美的相对下降，虽然仍是最大市场，但份额已不足50%。

语言分布上，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，不仅超过了西班牙语和俄语，也侧面印证了中文AI社区的活力。

留存率分析：「灰姑娘的水晶鞋」效应

这是本报告提出并在理论层面最具洞察力的部分。

在这个模型快速迭代的时代，传统的「用户留存」概念失效了。

取而代之的是一种被称为「灰姑娘的水晶鞋（Cinderella GlassSlipper）」的现象。

什么是「水晶鞋效应」？

当一个新的前沿模型发布时，它就像那只水晶鞋。

市场上存在大量未被满足的、高难度的潜在工作负载。

如果新模型（水晶鞋）恰好能解决某类特定的高难度任务（灰姑娘），那么这批早期用户就会形成一个「基石群组」。

他们的留存率极高，不会因为后续有更便宜的模型出现而轻易迁移，因为他们已经围绕该模型构建了基础设施和工作流。

如果模型发布时没有解决任何特定的痛点，或者只是「够用」，它就无法形成基石群组，用户流失率会极高。

实证数据

赢家：GPT-4o Mini、Claude 4 Sonnet和Gemini 2.5 Pro在发布初期都形成了明显的基石群组，留存率曲线在高位企稳。

输家：一些未能建立「模型-任务匹配」的模型，其所有群组的留存率都极其惨淡。

DeepSeek的「回旋镖效应」：DeepSeek的数据出现了一个有趣的异常——用户流失后又回来了。

留存曲线在几个月后出现反弹。

这说明用户在尝试了其他竞品后，发现DeepSeek在特定场景（如性价比或特定任务）上依然是不可替代的。

成本vs使用

如果你认为把模型价格降到最低就能赢得市场，那就大错特错了。

通过对成本（Cost）与使用量（Usage）进行双对数坐标分析，研究人员发现了以下规律：

首先，是可以按类型将任务分成四个象限。

溢价工作负载（高价+高频）

编程、科技。这是兵家必争之地。用户愿意为闭源模型支付高价，因为它们能解决复杂问题，产出价值远高于Token成本。

大众流量驱动（低价+高频）

角色扮演、普通问答。这是开源模型的舒适区。通过极致的性价比捕获海量长尾需求。

专业专家（高价+低频）

金融、医疗、学术。单次调用昂贵，但总频次低。

利基工具（低价+低频）

翻译、法律助手。

0.73美元/百万Token的成本中位数，将场景垂直一分为二

其次，是可以按使用-成本将模型分成四个象限。

高级领导者（Premium leaders）：成本不低，但使用量仍然很高，比如Claude Sonnet 4、Gemini 2.5 Pro等。

高效巨头（Efficient giants）：价格非常便宜，但性能够好，比如Gemini Flash、DeepSeek V3等。

长尾模型（Long tail）：价格几乎接近免费，但使用量很有限。

高级专家（Premium specialists）：非常贵，专门服务那些「极少但极值钱」的任务，比如o1-Pro、GPT-5 Pro等。

AI模型市场：成本与使用

第三，是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%。

这意味着，对于关键任务，用户对价格不敏感；对于低价值任务，单纯降价也未必能带来指数级增长。

开源与闭源模型：成本与使用

然后，再加上一点「杰文斯悖论」：

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。

最后，配合前面的类别分析，就可以得到一个非常实用的认知：

闭源模型，主要吃：高价值、高风险、质量必须非常稳的任务；开源模型，主要吃：大量、成本敏感，但对完美度要求略低的任务。降价≠少花钱：有时候用户反而会「用得更多」。

2025年的AI启示录

回顾以上分析不难发现，AI已经不再是单纯的技术竞赛，而是一场关于场景适配、成本控制与生态构建的综合战争。

LLM不只「写文案」

编程正在成为最大、最有战略意义的类别。

而角色扮演和娱乐类，也有着同样巨大的用量，丝毫不比生产力弱。

多模型生态已成定局

闭源负责高价值，以及与收入挂钩的工作负载。

而开源负责低成本和大容量的任务。

智能体推理是新常态

更长的上下文、更多的工具调用、更复杂的多步逻辑，正在成为常态；

评判一个模型的好坏，不再只是看「单次回答漂不漂亮」，而是看它在长链路里「执行持续推理」的可靠性和效率。

留存的本质是解决难题

模型厂商真正的「护城河」，是率先解决关键的工作负载，并留住那批用户。

也就是所谓的辛德瑞拉「水晶鞋效应」：早点抓住「合脚」的场景，比多撑几个月的排行榜第一名更重要。

不再是美国的独角戏

亚洲尤其是中国，已经同时作为重要的模型生产者+重度用户加入战局。

「多语言、多文化适配」会变成下一阶段的刚需能力。

研究局限说明：

本报告仅基于OpenRouter单一平台数据，未包含私有化部署及企业内部系统的流量。鉴于部分指标依赖代理推算（如地理位置和推理模式），上述结论旨在揭示行业演进的指示性趋势，而非绝对定论。

参考资料：

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

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！