100 万亿 Token 后，AI 世界的真规则浮出水面

👆关注 加 星标，更新不错过

过去的一年，是人工智能真正转身的时刻。2025年12月，OpenRouter 发布了名为 “State of AI: An Empirical 100 Trillion Token Study” 的报告 —— 基于 超过 100 万 亿（trillion） 个真实用户 token 的消耗数据。

这篇文章可以帮助你了解大模型在这一年中发生的变化，以及各行各业面对模型厂商的百花齐放，是如何做出的选择。推荐收藏仔细阅读。

接下来，让我们一起来看一下，什么样的模型最受欢迎，而什么样的 AI 产品消耗着最多的 token，赚着最多的钱。

开源 vs 闭源

过去一年，开源与闭源大模型的格局在快速演化。尽管闭源模型仍处理约七成流量，但开源模型持续扩大，至 2025 年底已占到三分之一，且增长与 DeepSeek V3、Kimi K2、GPT-OSS、Qwen 等关键开源模型的发布密切相关。

尤其中国开源模型从 2024 年末的不足 2% 飙升至部分周接近 30%，展现出强劲竞争力和高频迭代优势。

过去一年，开源大模型生态从“DeepSeek 一家独大”迅速演变为多方并立的竞争格局。

数据显示，DeepSeek 仍以 14.37 万亿 tokens 位列开源家族之首，但其份额已被快速崛起的 Qwen、LLaMA、Mistral、Minimax、MoonshotAI 等拉低。

到 2025 年底，没有任何单一模型再能占据超过 25% 的开源使用量，开源生态呈现出高竞争、高迭代、低切换成本的特点：优秀新模型可在数周内跃升为主力，而缺乏持续更新的模型则会迅速失势。对开发者而言，这意味着开源模型的选择比以往更丰富多元；对模型构建者来说，这也是一个“既能快速成名、也能迅速被超越”的高速竞争时代。

大参数 vs 小参数

过去一年，开源大模型生态的“尺寸格局”发生了显著变化：曾经由“小模型数量多、大模型性能强”主导的两极结构，正被中模型的崛起重新改写。

数据表明，小模型虽然仍不断推出新品，但整体使用占比持续下降；而 15B–70B 参数的中型模型 成为新的市场主力，自 Qwen2.5 Coder 32B 首次定义这一赛道后，Mistral Small 3、GPT-OSS 20B 等强劲选手陆续加入，使这一区间迅速形成稳定需求与清晰的“模型-市场匹配”。

整体趋势显示：开源生态正在从“小模型时代”转向“中模型走向成熟 + 大模型多极竞争”的新格局。

开源模型token使用场景

如今的开源大模型已经被广泛用于创意、技术、信息等多种任务场景。虽然在结构化商业场景中仍是闭源模型占优势，但在 角色扮演式创作 与 编程辅助 这两个方向，开源模型已形成明显领先，并贡献了其整体使用量的主要部分。

数据显示，开源模型中超过一半的使用量来自角色扮演其次是编程任务。这意味着用户主要依赖开源模型进行创意互动，如讲故事、人物扮演、游戏对话等，同时也大量用于代码生成与辅助。角色扮演之所以能长期占据 50% 以上的份额，是因为开源模型在创意表达、情绪细节、上下文延续等能力上兼具灵活性，且限制较少，更适合幻想类内容与娱乐场景。因此，在同人创作、互动剧情、虚拟角色社区等领域，开源模型正成为用户最青睐的选择。

中国开源模型使用场景

如果只看中国开源模型，其使用结构已经从早期偏向创意任务，转向更“技术型”的分布。角色扮演仍占最大份额，但比例降至约 33%；而编程与技术类任务合计已达到 39%，成为新的主流。

这说明 Qwen、DeepSeek 等模型正被越来越多地用于代码生成、工程场景和基础设施相关工作负载。尽管部分企业级高流量用户可能拉高技术需求占比，但整体趋势十分明确：中国开源模型正在技术与生产力领域发起更直接的竞争。

AI Coding 使用的模型

在编程任务领域，整体来看仍由闭源模型占据主导地位，但开源生态内部竞争异常激烈。

2025 年年中，随着 Qwen 3 Coder 等模型的走红，中国开源模型一度承担了大部分开源代码辅助需求；到了 2025 年第四季度，LLaMA 系列与 GPT-OSS 等西方开源模型迅速崛起，但之后其相对份额又出现回落。

这种反复波动说明：开源代码助手的使用高度取决于模型质量的最新变化，开发者愿意随时切换到表现最好的那一个。需要强调的是，图中展示的是相对占比——开源编程需求整体是在增长的，因此占比下降并不等于用户流失，而是竞争更加激烈。

角色扮演使用的模型

在角色扮场景中，2025 年的格局出现了明显反转：这一类别曾在年中被闭源模型牢牢占据约 70% 的份额，但到年底，开源模型与闭源模型已几乎平分秋色——海外开源约占 43%，闭源约 42%，中国开源也显著抬升。

随着各家模型针对对话、人物一致性、故事生成等能力持续微调，开源模型在创意互动方面展现出更强竞争力，使用户在角色扮演任务上能够从多种模型中自由选择。

开源模型总结

从整体来看，开源模型的主要使用方向依旧集中在 角色扮演与创意对话、编程辅助、翻译与多语支持、以及知识问答四大类，其中角色扮演因可定制、限制少、适合幻想内容而长期保持领先；编程需求持续增长；多语与翻译因中式开源模型表现突出而稳定；而严肃问答领域仍由闭源模型占优。总体趋势显示：开源模型在“灵活、可改造、成本友好”的场景中持续扩大影响力，而闭源模型在高准确度需求中保持领先，两者的使用边界正持续融合。

智能体推理正在崛起

过去那种“一问一答”的文本生成方式，正在被彻底重写。真实的生产环境里，LLM 的主流使用方式正从“单轮补全文本”，转向“多步骤推理、工具调用、自动规划、跨上下文协作”的复杂工作流——这就是报告提出的 Agentic Inference（代理式推理）。

在这种新模式下，模型不再只是输出一句话，而是能够像一个智能体那样思考、拆解任务、调用工具并持续跟踪状态。

上图显示，进入 2025 年后，用于推理优化的模型流量占比出现了陡峭上升——从年初几乎可以忽略不计，迅速攀升到如今的 超过 50%。

Token的消耗越来越多

过去一年，大模型的工作负载结构发生了显著变化：输入（prompt）和输出（completion）长度全面走高。平均每次请求的输入从 1500 tokens 激增到超过 6000，输出也从约 150 上升到近 400。

这种同步增长表明，LLM 正从简单的文本补全，转向处理更复杂、上下文更密集的任务。

如今的典型请求，不再是“帮我写一篇文章”，而是让模型对大量材料进行推理：代码库、技术文档、访谈记录、长对话历史等。

进一步从任务类别来看，编程相关场景是输入长度暴涨的最大推手：理解代码、调试问题、生成程序的请求，输入长度动辄超过 2 万 tokens。

人们用大模型都做了什么？

这部分应该是大家最感兴趣的话题，这数百万亿 token 究竟燃烧在了哪里？

答案很简单，尽管大模型的潜力很大，应用在各行各业，但是编程和虚拟陪伴仍旧是消耗token最大的场景。

时至今日，AI Coding 占了全球 token 总消耗的50%，虚拟陪伴占了25%。科技、翻译、财经、学术、健康、法律等等主题占据了剩余部分。

从模型提供方来看，编程类请求的分布高度集中：Anthropic 依旧占据最大份额，是当前最主要的“代码模型提供者”；其次是 OpenAI 与 Google，而 MiniMax 的占比正在快速上升，成为值得关注的新势力。

场景细分

这一部分对 token 消耗最多的场景进行了细分，大家可以重点关注一下，也许里面藏着一些机会。

大多数使用场景并不是均匀分布的，而是呈现出 “一两个核心用途占大头” 的特征，这往往反映了用户的强需求聚焦，以及模型在某些方向上的天然优势。

1、虚拟陪伴：一个高度成熟且意外庞大的类别
在所有高流量类别中，Roleplay（角色扮演）最为突出且高度结构化：

• • 近 60% 的角色扮演流量来自“角色扮演类游戏”
• • 另有 15.6% 属于写作资源
• • 15.4% 来自成人内容

这表明，用户并不是在与模型进行随意聊天，而是在将其当作“人物引擎”“小说共创工具”“情感投射载体”使用。

角色扮演已经形成一套可复制、边界清晰、需求稳定的类型化场景。

2、编程：泛化广、子类分散，是另一个流量巨头
编程同样呈现偏斜结构：

• • 超过 2/3 的编程请求被归类为“Programming/Other”，代表其用途极其广泛
• • 用户提出的是“任意代码问题”：逻辑调试、脚本生成、数据处理、框架迁移等
• • 26.4% 来自“开发工具”标签，也说明专业场景正逐渐细化

这种碎片化意味着：模型在程序理解与结构化代码工作流方面存在巨大的优化空间。

3、翻译、科学、健康：小众但稳定的“长尾场景”

• • 翻译：需求分散，约一半为语言资源查询，另一半为轻量翻译与语义重写
• • 科学：高度集中在“机器学习 & AI”，占 80%，说明用户的科学类提问其实大多是“问 AI 关于 AI”
• • 健康：最为碎片化，没有任何子类超过 25%，涵盖从医疗信息查询到心理咨询，反映领域复杂且难以统一建模

这些场景虽小，但反映了 LLM 正在渗透到众多边缘领域。

4、金融、学术、法律：高度离散、尚未形成统一模式

这些类别的共同特征是 —— 使用意图分散，没有明确主流子类：

• • 金融的流量在外汇、ESG、审计等多领域分散
• • 法律场景同样如此，政府相关与法律咨询呈分散态

这很可能意味着：这些领域的复杂性远高于其它类别，目前还缺乏真正针对性的 LLM 工作流，用户需求未形成规模化的明确场景

各家厂商模型的主要用途

这是一个很有意思的部分，众所周知 Anthropic 的模型被广泛应用在了编程。其他厂商的模型用途则令人意想不到。

Google 模型被应用的最为平均，虚拟陪伴、编程、科技、学术并驾齐驱。我猜想这跟它教育账号免费有关。

xAI 的模型主要被应用在了编程中。

OpenAI 的模型同样被应用的很平均，和 Google 的很相似，从这种相似的模式下，我觉得 Google 和 OpenAI 都展现出了一种国民模型的感觉，相对来说更加的普及。

Qwen 的开源小模型在各行各业一直风评很好，从年中编程占据消耗主导，到最近金融领域崛起，我觉得Qwen在未来能够继续在各行各业大放异彩。

大模型使用的地域特征

全球范围内，大模型的使用呈现出明显的地域差异。从支出分布来看，AI 推理市场正变得愈发全球化：

• • 北美仍是最大市场，但其占比已经降至不足总量的一半；
• • 欧洲保持稳定，长期维持在 15%–20% 区间；
• • 亚洲成为最大亮点 ——不仅是新模型的主要产地，也是增长最快的消费市场。

在数据集的最初阶段，亚洲仅占全球使用量的约 13%；而在最新一段时间里，这一数字已经翻倍至 31%。这表明亚洲用户对 LLM 的接受度和使用深度正在迅速提升，逐步形成与欧美并列的第三极力量。

从语言分布来看，英语依旧是全球 LLM 使用的绝对主导，占比超过 80%。。

但长尾语言同样值得关注：

• • 简体中文占比接近 5%，是非英语中最重要的语言；
• • 俄语、西班牙语也拥有稳定用户规模；
  随着 DeepSeek、Qwen 等中文开源模型快速崛起，中文生态正在持续扩大。

大模型的用户留存

报告中的留存曲线揭示了一个过去常被忽略的关键现象：绝大多数大模型都有极高的用户流失率，但极少数“早期用户群”却能长期留下来，并形成模型真正的护城河。

这些留存下来的用户并不是普通的“尝鲜者”，而是因为某个模型 精准满足了他们尚未被解决的核心需求。一旦用户的工作流与某模型形成这种深度匹配，就会产生强大的“经济与认知惯性”，哪怕后来有更多新模型出现，他们也不会轻易迁移。

First-to-Solve 才是最强护城河

当一款模型是 第一个真正解决某类关键工作流 的，它就天然拥有第一性优势：用户会把它深度嵌入流水线、自动化系统、产品逻辑中。

靠“更好”而不是“更便宜”驱动长期留存，竞争者很难撼动

DeepSeek 的“回旋镖效应”更特别

DeepSeek 的曲线中出现了罕见的“回流”现象：部分用户离开后又在第 2–3 个月回到模型

表明他们比较了竞品后发现 DeepSeek 才是最适合其任务的选择

这意味着 DeepSeek 在某些高价值场景中具备 独特优势，例如：

• • 极高性价比
• • 特定任务上的强性能
• • 稳定可预期的推理

什么领域用着最贵的模型

1、高成本 × 高使用量：高价值专业工作，这一象限包含技术类与科学类任务，它们既贵、又用得多。尤其是技术类任务成为全图最大异类。

这说明用户愿意为高复杂度问题（系统设计、架构推理、深技术问题）支付溢价，同时也是 AI 推理最具商业价值的领域之一。市场机会显然也在这里：谁能提供“便宜但够强”的技术模型，谁就有可能吃下最肥的一块蛋糕。

2、低成本 × 高使用量：AI 的“流量发动机”。这个象限由三个高流量类别组成：编程，角色扮演，科学

开源模型也正是在这些价格敏感、需求巨大的场景中快速爆发。

3、高成本 × 低使用量：专业领域专家类。这里聚集着：金融，学术，医疗，营销

这些领域天然高风险、高要求，因此调用频率不高，但用户愿意为专业正确性支付更高价格。

4、低成本 × 低使用量：工具化长尾场景。包括：翻译，法律查询，小知识问答，琐事。

这些都是“能低成本解决就很好”的工具型任务，用量小但稳定，也意味着已高度商品化，很难长期靠它们做差异化竞争。

最后的最后

这项基于 100 万亿 Token 的实证研究，为我们提供了一个真实而细腻的 LLM 使用全景图。与大众想象相比，真实世界的大模型使用呈现出几个完全不同的趋势：
1）多模型时代已经到来：没有任何一款模型能够“一统江湖”

2）使用场景远比我们以为的更“娱乐化”
这意味着：

• • AI 正在成为一种新的“互动叙事媒介”；
• • 用户需要的不是完美事实，而是 稳定的角色表达、一致性与情绪共鸣；
• • 这将催生全新产品品类：人格化 Agent、个性化长期陪伴者、互动 IP 角色等。

未来的模型评估标准，不仅是正确率，更是“是否能讲一个好故事”。

3）人与 Agent 的界线正在模糊：Agentic Inference 的全面崛起
大模型正从“回答机器”转变为“行动体”：会规划，会调用工具，会访问外部数据，会进行多步骤推理并自我纠错

随着 Agent 模式普及，AI 的竞争焦点将从文本质量转向：任务完成度，执行效率，推理链条稳定性

4）全球化扩散：亚洲正在迅速成为第二增长中心
LLM 使用正在从北美向全球扩散。亚洲的 Token 占比从 13% 提升到 31%，增长速度惊人。
中国不仅是使用大国，同时也是新模型的重要输出国。

5）价格并不能解释使用量：价值优先于成本
LLM 市场并未像商品市场那样“越便宜越吃香”。实际情况是：高价值任务（如深度推理、企业关键流程）仍然愿意付高价给闭源模型，大规模批处理、角色扮演、编程辅助等高频任务则更偏爱开源模型

6）留存才是真正的关键
每一代模型发布时，都有一个极短的窗口期，能否形成“基础用户群（foundational cohort）”决定它能否长期立足。

当某个模型 第一次真正解决某类关键工作流 时，便会和用户紧紧捆绑在一起，即使有更强新模型出现，他们也不会再迁移。

反之，如果模型在发布时没有形成这种匹配，那么它之后几乎不可能再补救。

最后的最后的最后

希望这份研究能成为未来更多实证工作的重要基石，推动整个 AI 行业在真实、可测量的基础上不断前进。

感谢 OpenRouter 把自己宝贵的数据分享出来，撰写了这篇如此有价值的分析。

也感谢你能够读到这里，2025年 Agent 似乎并没有如大家所愿掀起风浪，但是AI Coding确确实实改变了大家的工作模式，AI也深刻的改变了大家的生活。

祝各位创业者、AI爱好者、开发者们能够继续探索出大模型更多的应用场景，在AI的浪潮中扬帆。