登录 后可发表评论
[!info] Source https://mp.weixin.qq.com/s/pfocdR00FrLXc-yGDrtg2Q
↑先关注，+星标⭐️，再观看，不迷路
一份关于“AI 真正是如何被使用”的百兆级数据报告
基于 100 万亿 Token 的真实 LLM 使用数据
过去几年，几乎所有关于 AI 的讨论，都围绕模型性能、推理能力、基准分数。 而这份报告首次从另一面切入：
它不问模型能做什么，而问：“人们真正拿 AI 来做了什么？”
OpenRouter 作为一个汇聚了几百种 LLM（包括 GPT、Claude、Gemini、Qwen、DeepSeek 等）的统一推理平台，拥有独特的全景视角。 他们统计了 100 万亿个 Token 的真实用户调用数据，不看内容、不看回答，只看元数据（时间、模型、用量、地理、类型等）。
换句话说，这是一份来自全球真实 AI 用户行为的“人类-机器互动图谱”。
在2024年底之前，AI的主流工作模式仍是“自动补全”：
→ 用户输入 → 模型预测下一个词 → 输出整段文本。
2025 年最大的变化是：
AI 已经从“语言生成系统”变成了“推理执行系统”。
这一变化由 OpenAI 的 o1 (Strawberry) 模型开启，它是第一个在推理阶段执行多步思考的通用模型。 这意味着模型不再只是“看输入→生成一句话”，而是会先在内部：
这一结构上的改变，使 AI 的行为从“模仿语言”转向了“思考后生成”。
自此之后，AI开始具备了思维链、规划与自我检验的能力， 整个行业也从“语言生成”时代迈入了“推理与行动 (agentic inference)”时代。
这就是报告中反复提到的核心概念：
Reasoning Models（推理模型） 与 Agentic Inference（代理式推理）。
如今，超过 50% 的所有 LLM 调用 已经通过这类推理模型完成。
这一转变背后，引发了AI使用方式、模型生态与经济格局的全面重构。
报告的全部数据都指向一个事实：
2025年，AI不再是聊天机器人，而是能思考、能操作的工作伙伴。
OpenRouter 的数据揭示了一个被广泛低估的事实：
开源模型正在崛起，并且已成为生态中不可忽视的力量。
2024 年底，开源模型仅占约 20% 的 Token 使用量；
到 2025 年底，这一数字提升至 接近 30%；
其中 中国开源模型（DeepSeek、Qwen、Kimi） 增长最迅猛，2024年底：占比仅1.2%，2025年中：峰值周占比接近 30% 全部使用量。
这说明：
换言之，AI 不再是“少数科技巨头的专属权力”，而正在被全球社区化与去中心化。
过去我们常以为：参数越多越好。
但实际使用数据告诉我们：
最受欢迎的模型不是最大的，而是“中型的”。
OpenRouter 按参数规模划分三类：
结果发现：
代表作如：
这形成一个明确的市场共识：
“中型模型找到了真正的市场定位：性能够用，价格亲民。”
它们既能处理编程、推理等复杂任务，又能在消费端高效部署。 这让AI从“超级计算玩具”真正走向“日常生产力工具”。
人们真正用 AI 在干什么？
这部分最令人惊讶。
外界普遍以为 LLM 主要用于生产力（写作、办公、研究），但真实数据完全颠覆了这一假设。
AI 的使用并非单一的“效率工具”，而是既有理性一面，也有情感一面。
1. 编程任务成为“AI的主战场”
2025年，编程任务从年初的 11% → 年末超过 50%。
报告指出：
“LLM-assisted development 已成为默认的编程方式。”
开发者不再只是让AI写代码，而是让AI参与整个开发过程： 调试、解释、生成文档、重构脚本、设计架构。
Claude、OpenAI与Google是编程任务的三大主力：
2. 角色扮演与创意对话是“隐形巨头”
这可能让很多人意外： Roleplay（角色扮演）类任务的使用量几乎与编程持平。
在开源模型中，它甚至占到 52% 的使用量。
为什么？
报告称：
“人们不仅在用AI工作，也在用AI表达情感与想象力。”
这说明AI已成为文化工具，不只是生产力工具。
这两种看似对立的场景——创意与逻辑，恰恰展示了 LLM 的两极潜能： AI 既能成为“数字情感体”，也能成为“数字工程师”。
3. 其他应用：翻译、教育、知识问答、医疗等
报告最具洞察力的部分在于这一趋势。
OpenRouter 发现，越来越多的请求不再是“问问题”，而是让模型：
这种行为被称为 Agentic Inference（代理式推理）。 简言之：
模型不只是“说”，而是会“想 → 做 → 总结”。
1️⃣ Reasoning模型的普及
推理模型使用量占比从 <5% → >50%
2025年中期后，超过 50% 的所有token 来自“推理模型”。
包括：GPT-5、Claude 4.5、Gemini 2.5 Pro、Grok Code Fast等；
这些模型具备内部思维链（chain-of-thought）与多步推理能力。
按令牌量排名的顶级推理模型。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令牌流量，其次是 Google 的 Gemini 2.5 Pro 和 Gemini 2.5 Flash。xAI 的 Grok 4 Fast 和 OpenAI 的 gpt-oss-120b 构成了顶级模型组。
2️⃣ 工具调用爆炸式增长
编程任务是主要驱动力；
Tool Call 调用请求量同比增长3倍：越来越多请求以 “Tool Call” 结束，AI会自动调用外部API、数据库或脚本。
代表模型：Claude Sonnet、Gemini Flash、Grok Code Fast。
3️⃣ 上下文长度激增
平均prompt长度从1500 → 6000 tokens；
📊 报告一句话总结：
“AI的核心交互单元不再是提示（prompt），而是任务（task）。”
AI成为了自动化流程的一部分，而非简单的应答器。
传统经济学中，我们预期：
价格越低 → 使用量越大（需求弹性高）。
但在AI世界，这个规律几乎失效。 报告通过100万亿token的真实调用数据发现：
AI使用对价格的弹性非常低（inelastic demand）， 即便价格高出几十倍，用户仍会继续使用某些模型。
报告绘制了一张非常有价值的图
它展示了AI使用的经济学分布：
📈 主要观察：
关键结论：
AI使用对价格不敏感（需求刚性强）。 用户愿意为可靠性、能力、速度付费。
这意味着未来竞争的核心不在于“便宜”， 而在于谁能持续提供可依赖的推理与行动能力。
按任务类别统计不同成本区间的使用占比
💬 解读：
“便宜的模型未必替代昂贵的模型，它们承担的是不同任务生态。”
换句话说：
与互联网早期不同，AI使用不具有强价格弹性。
原因有三：
因此，“卷价格”不是AI的未来， “卷体验、卷推理、卷稳定性”才是关键。
📉 可以看出：
亚洲的AI生态（尤其中国）已形成闭环：
模型 → 用户 → 社区 → 内容 → 再反馈。
语言占比：
成本敏感性分析显示：
模型价格和推理延迟对使用量有显著影响。 AI 的经济学规律已开始显现。
报告提出一个有趣的心理模型——
Cinderella Glass Slipper Effect（灰姑娘玻璃鞋效应）。
当一个模型完美匹配用户的关键任务，它就会产生长期留存。
意思是：
例如：
这揭示了一个事实：
AI 不只是工具，而是一种“关系”。 用户不是在“使用模型”，而是在“建立默契”。
这与人类心理一致：一旦找到一款“懂自己”的 AI，人们倾向长期绑定。
这也解释了为何“个性化微调”“持续上下文”成为 2025 年的热门趋势。
报告第22–23页提供了一个非常有洞察力的视角：
同样的AI，不同公司的用户群体与任务结构完全不同。
这表明，AI 市场已经像手机行业一样，品牌分化明确、功能定位清晰。
每个模型品牌都在形成独特的“使用文化圈”。 这意味着AI行业未来的竞争将不只是性能，而是生态定位： Claude 对开发者，DeepSeek 对创作者，Qwen 对工程师，Gemini 对知识工作者。
报告全文：https://openrouter.ai/state-of-ai
关注 小互AI 公众号 回复：100万
获取：完整报告中文版
**加入XiaoHu.ai 日报社群 每天获取最新的AI信息
**
____________
End.
感 谢 阅 读
点赞，转发，关注关注关注↓↓
Generated by Clearly Reader
拉取不到内容？手工录入内容
人们都在用AI干什么？100万亿 Token 给出的 AI 启示：《State of AI 2025》报告深度解读
↑先关注，+星标⭐️，再观看，不迷路
一份关于“AI 真正是如何被使用”的百兆级数据报告
基于 100 万亿 Token 的真实 LLM 使用数据
从“AI 能做什么”到“AI 在做什么”
过去几年，几乎所有关于 AI 的讨论，都围绕模型性能、推理能力、基准分数。 而这份报告首次从另一面切入：
它不问模型能做什么，而问：“人们真正拿 AI 来做了什么？”
OpenRouter 作为一个汇聚了几百种 LLM（包括 GPT、Claude、Gemini、Qwen、DeepSeek 等）的统一推理平台，拥有独特的全景视角。 他们统计了 100 万亿个 Token 的真实用户调用数据，不看内容、不看回答，只看元数据（时间、模型、用量、地理、类型等）。
换句话说，这是一份来自全球真实 AI 用户行为的“人类-机器互动图谱”。
AI 使用方式的转折点：从“回答问题”到“推理与行动”
在2024年底之前，AI的主流工作模式仍是“自动补全”：
→ 用户输入 → 模型预测下一个词 → 输出整段文本。
2025 年最大的变化是：
AI 已经从“语言生成系统”变成了“推理执行系统”。
这一变化由 OpenAI 的 o1 (Strawberry) 模型开启，它是第一个在推理阶段执行多步思考的通用模型。 这意味着模型不再只是“看输入→生成一句话”，而是会先在内部：
这一结构上的改变，使 AI 的行为从“模仿语言”转向了“思考后生成”。
自此之后，AI开始具备了思维链、规划与自我检验的能力，
整个行业也从“语言生成”时代迈入了“推理与行动 (agentic inference)”时代。
这就是报告中反复提到的核心概念：
Reasoning Models（推理模型） 与 Agentic Inference（代理式推理）。
如今，超过 50% 的所有 LLM 调用 已经通过这类推理模型完成。
这一转变背后，引发了AI使用方式、模型生态与经济格局的全面重构。
报告的全部数据都指向一个事实：
2025年，AI不再是聊天机器人，而是能思考、能操作的工作伙伴。
AI模型生态的真实格局：开源崛起，但闭源仍稳坐高端
OpenRouter 的数据揭示了一个被广泛低估的事实：
开源模型正在崛起，并且已成为生态中不可忽视的力量。
🔹 数据图景
2024 年底，开源模型仅占约 20% 的 Token 使用量；
到 2025 年底，这一数字提升至 接近 30%；
其中 中国开源模型（DeepSeek、Qwen、Kimi） 增长最迅猛，2024年底：占比仅1.2%，2025年中：峰值周占比接近 30% 全部使用量。
这说明：
换言之，AI 不再是“少数科技巨头的专属权力”，而正在被全球社区化与去中心化。
模型的“黄金尺寸”：中型模型成为新主流
过去我们常以为：参数越多越好。
但实际使用数据告诉我们：
最受欢迎的模型不是最大的，而是“中型的”。
OpenRouter 按参数规模划分三类：
结果发现：
代表作如：
这形成一个明确的市场共识：
“中型模型找到了真正的市场定位：性能够用，价格亲民。”
它们既能处理编程、推理等复杂任务，又能在消费端高效部署。
这让AI从“超级计算玩具”真正走向“日常生产力工具”。
不同模型的角色定位
人们真正用 AI 在干什么？
这部分最令人惊讶。
外界普遍以为 LLM 主要用于生产力（写作、办公、研究），但真实数据完全颠覆了这一假设。
📊 任务类型占比（2025 年）
这说明：
AI 的使用并非单一的“效率工具”，而是既有理性一面，也有情感一面。
两个最核心的用例
1. 编程任务成为“AI的主战场”
2025年，编程任务从年初的 11% → 年末超过 50%。
报告指出：
“LLM-assisted development 已成为默认的编程方式。”
开发者不再只是让AI写代码，而是让AI参与整个开发过程：
调试、解释、生成文档、重构脚本、设计架构。
Claude、OpenAI与Google是编程任务的三大主力：
2. 角色扮演与创意对话是“隐形巨头”
这可能让很多人意外：
Roleplay（角色扮演）类任务的使用量几乎与编程持平。
在开源模型中，它甚至占到 52% 的使用量。
为什么？
报告称：
“人们不仅在用AI工作，也在用AI表达情感与想象力。”
这说明AI已成为文化工具，不只是生产力工具。
这两种看似对立的场景——创意与逻辑，恰恰展示了 LLM 的两极潜能： AI 既能成为“数字情感体”，也能成为“数字工程师”。
3. 其他应用：翻译、教育、知识问答、医疗等
Agentic Inference：AI 不再“回答问题”，而是“执行任务”
报告最具洞察力的部分在于这一趋势。
OpenRouter 发现，越来越多的请求不再是“问问题”，而是让模型：
这种行为被称为 Agentic Inference（代理式推理）。 简言之：
模型不只是“说”，而是会“想 → 做 → 总结”。
主要体现为三种行为转变：
1️⃣ Reasoning模型的普及
推理模型使用量占比从 <5% → >50%
2025年中期后，超过 50% 的所有token 来自“推理模型”。
包括：GPT-5、Claude 4.5、Gemini 2.5 Pro、Grok Code Fast等；
这些模型具备内部思维链（chain-of-thought）与多步推理能力。
按令牌量排名的顶级推理模型。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令牌流量，其次是 Google 的 Gemini 2.5 Pro 和 Gemini 2.5 Flash。xAI 的 Grok 4 Fast 和 OpenAI 的 gpt-oss-120b 构成了顶级模型组。
2️⃣ 工具调用爆炸式增长
编程任务是主要驱动力；
Tool Call 调用请求量同比增长3倍：越来越多请求以 “Tool Call” 结束，AI会自动调用外部API、数据库或脚本。
代表模型：Claude Sonnet、Gemini Flash、Grok Code Fast。
3️⃣ 上下文长度激增
平均prompt长度从1500 → 6000 tokens；
📊 报告一句话总结：
“AI的核心交互单元不再是提示（prompt），而是任务（task）。”
AI成为了自动化流程的一部分，而非简单的应答器。
成本、使用与经济规律
传统经济学中，我们预期：
价格越低 → 使用量越大（需求弹性高）。
但在AI世界，这个规律几乎失效。
报告通过100万亿token的真实调用数据发现：
AI使用对价格的弹性非常低（inelastic demand），
即便价格高出几十倍，用户仍会继续使用某些模型。
报告绘制了一张非常有价值的图
它展示了AI使用的经济学分布：
📈 主要观察：
关键结论：
AI使用对价格不敏感（需求刚性强）。
用户愿意为可靠性、能力、速度付费。
这意味着未来竞争的核心不在于“便宜”，
而在于谁能持续提供可依赖的推理与行动能力。
按任务类别统计不同成本区间的使用占比
💬 解读：
“便宜的模型未必替代昂贵的模型，它们承担的是不同任务生态。”
换句话说：
“价格战”在AI行业基本无效
与互联网早期不同，AI使用不具有强价格弹性。
原因有三：
因此，“卷价格”不是AI的未来，
“卷体验、卷推理、卷稳定性”才是关键。
模型样本的典型分布
📉 可以看出：
地域与市场演化
亚洲的AI生态（尤其中国）已形成闭环：
模型 → 用户 → 社区 → 内容 → 再反馈。
语言占比：
成本敏感性分析显示：
模型价格和推理延迟对使用量有显著影响。 AI 的经济学规律已开始显现。
用户行为与“玻璃鞋效应”
报告提出一个有趣的心理模型——
Cinderella Glass Slipper Effect（灰姑娘玻璃鞋效应）。
当一个模型完美匹配用户的关键任务，它就会产生长期留存。
意思是：
例如：
这揭示了一个事实：
AI 不只是工具，而是一种“关系”。 用户不是在“使用模型”，而是在“建立默契”。
这与人类心理一致：一旦找到一款“懂自己”的 AI，人们倾向长期绑定。
这也解释了为何“个性化微调”“持续上下文”成为 2025 年的热门趋势。
不同厂商的角色分化
报告第22–23页提供了一个非常有洞察力的视角：
同样的AI，不同公司的用户群体与任务结构完全不同。
这表明，AI 市场已经像手机行业一样，品牌分化明确、功能定位清晰。
每个模型品牌都在形成独特的“使用文化圈”。
这意味着AI行业未来的竞争将不只是性能，而是生态定位：
Claude 对开发者，DeepSeek 对创作者，Qwen 对工程师，Gemini 对知识工作者。
核心结论与未来展望
报告全文：https://openrouter.ai/state-of-ai
关注 小互AI 公众号 回复：100万
获取：完整报告中文版
**加入XiaoHu.ai 日报社群 每天获取最新的AI信息
**
____________
End.
感 谢 阅 读
点赞，转发，关注关注关注↓↓
Generated by Clearly Reader