2025年人工智能发展大分流：开源逆袭、推理优化与全球新格局

基于100万亿Token的实证数据，2025年人工智能领域迎来历史性转折：开源模型强势逆袭、推理优化模型流量占比突破50%、用户留存关键在于精准解决特定痛点、亚洲付费使用量实现翻倍、中文晋升为全球第二大AI交互语言、AI产业告别硅谷独角戏时代！

2025年成为AI演进历程中的一个关键分水岭。

OpenRouter与a16z联合发布深度调研报告，揭示AI行业正经历一场前所未有的「大分流」，系统总结了2025年AI发展现状，并提出了多个反直觉洞见！

报告名称：《基于OpenRouter的100万亿Token实证研究》全文2万余字 报告地址：https://openrouter.ai/state-of-ai

以往评估AI模型影响力的指标多局限于学术基准测试或宣称的用户规模。

然而，OpenRouter提供了首个基于真实算力消耗的全局视角。

该报告分析了过去一年处理的超100万亿Token元数据，这一规模足以消除任何营销噪音，真实反映开发者和企业如何应用AI。

本报告基于全球真实请求：100万亿Token，300多个模型，60多家提供商。

核心摘要：

• 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「廉价替代」，而是特定场景的首选方案。

• 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）上展现统治力。

• 推理模型为王

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

• 两大场景主导

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%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「首次匹配即完美」。若新模型发布时能精准解决某类痛点（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爆发式增长（杰文斯悖论）。

开源vs闭源：谁主导模型生态？

闭源模型仍占主导，但开源模型使用量已稳步增长至总流量的30%左右。

这一增长由一系列高质量模型发布推动，如DeepSeek V3/R1、Kimi K2、Qwen 3 Coder、GLM 4.6等，每次发布都带来显著流量波峰，且增长具持续性，证明开源模型已进入生产环境。

报告中一个突出数据是中国开源模型的崛起。

• 从1.2%到30%

2024年末，中国模型使用份额仅1.2%；至2025年下半年，在某些周次，中国OSS模型（如DeepSeek、Qwen、MiniMax、Kimi、GLM等）使用量占比近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家族通过高频更新，快速适应新兴工作负载。

闭源为主力，开源占三成

在OpenRouter上：闭源大厂模型（OpenAI、Anthropic、Google等）支撑约70%的Token使用量——尤其在受监管、企业级、关键业务场景，用户更倾向使用它们。

• 开源权重模型（OSS）份额在这一年稳步上涨，至2025年底稳定在30%左右。

开源与闭源模型对比：浅蓝色代表开放权重模型，深蓝色对应专有（闭源）产品，垂直虚线标记关键开放权重模型发布。

开源和闭源模型每周Token量：堆叠条形图显示各模型类别总Token使用量随时间变化。深红色对应专有模型（Closed），橙色代表中国开源模型，青色表示其他地区开源模型。

一个重要推手是中国开源模型的爆发。

如DeepSeek、Qwen、Kimi、GLM等模型上线后，中国OSS模型份额从几乎可忽略的1%+，攀升至某些周占近30%总Token。

在开源阵营内部，去年是DeepSeek一家占半壁江山：一度DeepSeek V3和R1两模型占所有开源Token超一半。

但2025年中后，局面迅速分散：Qwen、Kimi、MiniMax、GLM、OpenAI的GPT-OSS、Meta的LLaMA等不断加入；无任一开源模型在全年后半段能稳定占据超25%份额。

概括：去年是「一个DeepSeek，主导OSS」；今年变为「多个开源模型，各有稳定流量」。

对开发者而言，这是利好：不再仅有「唯一好开源模型」，而是多个可选方案，可按场景挑选。

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」模型成为主流

过去「小模型（<15B）」和「大模型（>70B）」的两极分化正消失。2025年，「中型模型（15B-70B）」异军突起。

• 小模型衰落

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等模型发布，用户发现这类模型在能力与效率间达到完美平衡。它们正成为新市场主流。

直觉上，多数人认为：要么用最小模型，便宜快捷；要么用最大模型，最聪明。

但真实使用数据表明：「中杯」模型正成为新主力。

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归一化计算。

智能体推理的崛起

如果说2024年是「聊天机器人」之年，那么2025年就是「智能体」之年。AI使用方式正从简单问答转向复杂多步任务执行。

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，推理优化模型流量占比已从年初微不足道飙升至50%以上。用户不再满足于模型「生成」文本，而是要求模型进行内部思维链计算、规划和反思。

在这一领域，xAI的Grok Code Fast 1异军突起，与Google的Gemini 2.5系列共同领跑，甚至超越早期先行者。

工具调用常态化

越来越多请求不仅是文本生成，而是包含「工具调用」指令。这标志模型正作为更大系统组件被调用，而非孤立对话者。

按推理相关Token量统计的顶尖推理模型：xAI的Grok Code Fast 1处理最大份额推理相关Token流量，紧随其后的是谷歌Gemini 2.5 Pro和Gemini 2.5 Flash。xAI的Grok 4 Fast与OpenAI的gpt-oss-120b构成头部阵营。

工具调用采用率上升趋势。

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6k以上。

• Output长度翻倍

平均输出从150 Token增长到400 Token（主要因推理Token增加）。

这说明用户不再仅问简单问题，而是向模型提供整个代码库、长文档或复杂对话历史，要求深度分析和调试。

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，反映工作负载对上下文依赖度显著提升。

完成Token数量几乎增长三倍：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增长。

编程成为提示Token增长主要驱动力：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三倍，从2023年末不足2000标记增至2025年末5400以上。这一增长反映向更长上下文窗口、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，编程序列长度与整体对比：编程提示词系统性更长且增长更快。

场景洞察：AI实际应用领域

通过Google Tag Classifier对数十亿次请求的分类分析，报告揭示AI使用场景真实分布。结果可能令人惊讶：编程和角色扮演是两大绝对主导。

编程：生产力统治

编程类请求占比已从年初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系列在编程领域占据统治地位，长期占60%以上份额。

• 竞争加剧

虽然Claude仍是王者，但Qwen、MiniMax、GLM和OpenAI正蚕食这一市场。

编程作为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模型处理最大比例代码查询，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，角色扮演是绝对王者，占开源模型流量52%。这打破「AI主要是生产力工具」偏见。用户利用开源模型无审查、可定制特性，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流量中，超2/3是角色扮演和闲聊，显示其在消费者端极高粘性。

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，展示各领域子主题集中（或分散）程度。

长尾场景：科学、翻译与健康

除上述两大巨头，其他场景如翻译、法律、科学等构成长尾。

• 科学

主要集中在「机器学习与AI」本身问题，显示AI社区自指性。

• 健康

需求高度碎片化，从医学研究到心理咨询，覆盖面极广。

下面针对每家公司进行详细数据统计。数据清晰勾勒出各家大模型「性格」：

• Anthropic

硬核「程序员」，80%以上流量用于编程和技术任务。

• DeepSeek

高情商「陪聊」与「玩家」，主打角色扮演和闲聊。

• Google

博学「全才」，在翻译、科学、法律等长尾领域表现均衡。

• OpenAI

正从早期科学/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：在编程任务上表现高度集中，角色扮演和科学类别使用随时间波动。

地缘格局：AI使用全球化

AI不再是硅谷独角戏。研究发现：亚洲地区付费使用量占比从13%翻倍至31%。这不仅因亚洲是模型生产地，更因这里拥有庞大应用场景和企业用户。

北美相对下降，虽仍是最大市场，但份额已不足50%。语言分布上，英语占82%绝对主导，但简体中文以近5%份额位居第二，不仅超西班牙语和俄语，也印证中文AI社区活力。

留存率分析：「灰姑娘的水晶鞋」效应

这是本报告理论层面最具洞察力部分。在模型快速迭代时代，传统「用户留存」概念失效。取而代之的是一种称为「灰姑娘的水晶鞋（Cinderella Glass Slipper）」现象。

什么是「水晶鞋效应」？

当新前沿模型发布时，它就像水晶鞋。市场上存在大量未被满足的高难度潜在工作负载。如果新模型（水晶鞋）恰好能解决某类特定高难度任务（灰姑娘），那么这批早期用户就会形成「基石群组」。他们的留存率极高，不会因后续更便宜模型出现而轻易迁移，因他们已围绕该模型构建基础设施和工作流。

如果模型发布时未解决任何特定痛点，或仅「够用」，它就无法形成基石群组，用户流失率极高。

实证数据

赢家：GPT-4o Mini、Claude 4 Sonnet和Gemini 2.5 Pro在发布初期都形成明显基石群组，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，其所有群组留存率都极其惨淡。

DeepSeek「回旋镖效应」：DeepSeek数据出现有趣异常——用户流失后又回来。留存曲线在几个月后出现反弹。这说明用户在尝试其他竞品后，发现DeepSeek在特定场景（如性价比或特定任务）上依然不可替代。

成本vs使用

如果认为将模型价格降到最低就能赢得市场，那就大错特错。通过对成本（Cost）与使用量（Usage）进行双对数坐标分析，研究人员发现以下规律：

首先，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。用户愿为闭源模型支付高价，因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。这是开源模型舒适区。通过极致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，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，但使用量仍很高，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，如Gemini Flash、DeepSeek V3等。

长尾模型（Long tail）：价格几乎接近免费，但使用量有限。

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

AI模型市场：成本与使用

第三，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，单纯降价也未必带来指数级增长。

开源与闭源模型：成本与使用对比。

然后，加上「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，配合前面类别分析，得到实用认知：

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

2025年AI启示录

回顾以上分析，AI已不再是单纯技术竞赛，而是关于场景适配、成本控制与生态构建的综合战争。

• LLM不只「写文案」

编程正成为最大、最有战略意义类别。而角色扮演和娱乐类，也有着同样巨大用量，丝毫不比生产力弱。

• 多模型生态已成定局

闭源负责高价值及与收入挂钩的工作负载。而开源负责低成本和大容量任务。

• 智能体推理是新常态

更长上下文、更多工具调用、更复杂多步逻辑正成为常态；评判模型好坏，不再只看「单次回答质量」，而是看它在长链路中「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「护城河」，是率先解决关键工作负载，并留住那批用户。即辛德瑞拉「水晶鞋效应」：早点抓住「合脚」场景，比多撑几个月排行榜第一更重要。

• 不再是美国独角戏

亚洲尤其是中国，已同时作为重要模型生产者+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指示性趋势，而非绝对定论。

参考资料：

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