OpenRouter 基于 100 万亿 token 数据发布报告，颠覆传统认知：AI 核心使用场景集中在编程（占比超 50%）与角色扮演等创意应用（开源模型占比过半）。中国开源模型使用占比从 1% 飙升至 30%，全球 AI 格局向多元转变，彰显其既是生产力工具也是创意伙伴的双重价值。

在某个时刻，你肯定好奇一个问题，那就是现在大家都在用AI干什么？

答案就是：一半人在用AI写代码，另一半人在用AI玩角色扮演。 这不是段子，而是分析人类与AI真实对话的100万亿token数据后得出的结论。

这个结论来自OpenRouter最近发布的36页研究报告。先和你介绍一下OpenRouter，简单说，它就是一个AI模型的“超市”，把ChatGPT、Claude、Gemini、DeepSeek等AI模型都整合在一个平台上，用户能随意切换使用，就像你能在超市里选购多个品牌的商品。

过去一年里，OpenRouter记录了100万亿个token的使用数据。这里，你可以把token理解为AI处理的“字数”，一个token大约相当于一个汉字或半个英文单词。

那么，100万亿这个数量级是个什么概念？我相信很多同学和我一样，只要数字超出自己银行账户的量级，就只剩“很多很多”的模糊概念。

简单粗暴地说，这个数据如果平摊给全球所有人，相当于每个地球人都写了一本一万多字的小册子。如果把这些数据打印成10万字左右一本的书，可能相当于20个世界最大图书馆（美国国会图书馆）的藏书量。

当然，这里需要说明的是，这份数据是来自单一平台的数据，无法完整呈现整个AI世界的全貌。因为还有大量的公司自己部署了开源大模型，或者直接对接OpenAI等公司的API，这些数据都不在这份报告的统计范围内。

这就像我们只统计了盒马超市的全国饮料销量，但是那些电商渠道或者街边小店的数据，我们没办法直接拿到。不过“大力出奇迹”，100万亿数据的庞大体量，已经能让我们看到很多有价值的洞察了。

01 核心发现：效率与创意并重

基于这些真实数据，这份报告揭示了一个颠覆认知的事实：

编程任务占比从2025年初的11%暴涨到50%以上，同时，角色扮演、写小说、玩游戏等创意类应用，在开源模型使用量的占比也超过50%。而那些我们以为的主流工作场景，比如写邮件、翻译、做总结，反而只占很小比例。

这说明AI的价值不只是提高效率，还在于创造新体验。一边是程序员用AI解决复杂技术问题，一边是普通用户用AI获得情感陪伴。这两个截然不同的使用场景，共同构成了AI的真实生态。

除了这个核心发现，报告里还有很多值得关注的内容。比如中国AI的崛起速度、用户忠诚度的秘密以及全球AI竞争格局的变化。

接下来，我就从报告里，给你梳理出几个值得关注的关键洞察。

02 关于编程与角色扮演

先说说关于编程和角色扮演这两个核心场景。

编程任务的爆发，其实反映出程序员的工作方式正在改变。报告显示，编程任务的平均输入长度达到2万个token。需要注意的是，这个输入长度和我们想象的“写超长提示词”还不太一样，具体是什么概念呢？

举个例子，一个前端工程师把整个React项目的组件库、API文档、报错日志都发给AI，让它帮忙排查为什么某个按钮点击后无响应。

这种场景下，我们给AI的输入长度自然很高，这也意味着AI不再是“写个函数”的简单助手，而是能处理整个代码库的协作者。这里岔一句，现在我遇到任何系统或代码上的报错，也都是截张图发给AI，直接问“该怎么办”。

角色扮演这边更有意思。在开源模型里，超过50%的使用量都集中在角色扮演、写小说、玩游戏等创意类应用。用户让AI扮演游戏角色、写互动小说、创造虚拟人物，甚至陪自己聊天。

这些看似“不务正业”的用途，消耗的token量和专业编程不相上下。

你可能好奇，为什么这个方向下大家倾向于用开源模型？我觉得是因为开源模型的可控性更强，容易调教出自己的独特风格，而且能跳过很多平台方的审查或内容过滤，在响应速度和处理时间上更有优势。

03 中国AI的崛起速度

第二个洞察，是关于中国AI的崛起速度。

报告显示，2024年底，中国开源模型在OpenRouter平台的使用占比只有1.2%，几乎可以忽略不计。但到了2025年中期，有几个星期的占比已经飙升到30%。

不到一年时间，从1%增长到30%，这个速度非常惊人。这可是100万亿token级别呈现的数据变化，很难靠什么市场活动或营销来拉动，核心还是技术实力的实打实提升。

更关键的是，这种增长不是昙花一现。报告统计了2024年11月到2025年11月期间整整一年的数据。如果按token使用量排名，在开源模型中，DeepSeek以14.37万亿排全球第一，Qwen以5.59万亿排第二。

你再看看后面的名单：Meta的LLaMA是3.96万亿，Mistral AI是2.92万亿，OpenAI的开源模型只有1.65万亿。DeepSeek的token使用量几乎是OpenAI开源模型的9倍。

当然，需要注意的是，这里对比的是OpenAI的开源模型，属于它的防御型产品，并不是它的核心闭源模型。

那么，为什么token使用量大能说明模型好用？

因为用户愿意把更多、更复杂的任务交给它处理。如果一个AI只便宜但效果差，用户可能试一次就不会再用了。但如果它既便宜又好用，用户就会把越来越多工作交给它，token使用量自然上去了。这也印证了DeepSeek的真实竞争力。

当然，不只是DeepSeek，整个中国开源模型的生态都在快速迭代。

2024年底，DeepSeek在开源模型里几乎一家独大，占比超50%。但到了2025年底，它的占比降到25%以下。

这不是DeepSeek变差了，而是Qwen、MiniMax、Kimi等新玩家起来了，整个市场蛋糕被做大了，虽然DeepSeek的比例下降了，但总量依然是在增长的。

市场从“一家独大”变成“多元竞争”，对咱们普通用户来说，这意味着我们有了更多选择，不用只盯着那一两个模型。

04 用户忠诚度的秘密

第三个洞察，是关于用户忠诚度的秘密。

报告里把它称作“灰姑娘的水晶鞋效应”。它的意思就是第一个能解决你问题的AI，会对你产生很强的锁定效应，就像灰姑娘的水晶鞋一样，只有她能穿上，别人穿就会磨脚。

数据显示，2025年5月Claude Sonnet 4刚发布时的那批早期用户，到了第5个月留存率还有40%。同样的情况也出现在Gemini 2.5 Pro上，6月份的早期用户，5个月后留存率也有40%。

但那些后来才开始用这些模型的用户，留存率普遍不到10%。也就是说，越早期的用户，其实对某个模型的忠诚度和使用深度越高。

为什么差距这么大？因为当一个AI第一次解决你工作中的关键问题时，你会围绕它建立整套工作流程。它熟悉你的工作习惯、表达方式和思维节奏，换一个新AI就像换双新鞋，需要重新磨合。

这时候就算有更好的模型出现，你可能也懒得换了，因为切换成本太高。个人是这样，企业或团队更是如此，当你们用惯一个产品，再次更换的难度会更大。

这个发现也给了我们一个实用建议：选对第一个AI很重要。

不要随便找个AI就开始用，最好先多试几个，找到真正适合自己的。因为一旦你形成了使用习惯，后面再换就很难了。

05 价格并非决定性因素

第四个洞察，可能会颠覆很多人的认知：价格不是决定AI使用量的关键。

报告显示，价格和使用量的相关性极弱，10%的价格下降，只能带来0.5%到0.7%的使用增长。

报告里提到了一些具体例子，Claude在编程任务上每百万token得花约2美元，但它依然占据编程任务60%以上的市场份额。OpenAI的GPT-5 Pro的定价更夸张，每百万token得花35美元，是DeepSeek的100多倍，但用的人依然不少。

这说明用户在选择AI时，更看重能力和可靠性，而不是价格。

你想想看，如果你是程序员，正在处理一个关键项目，你会为了省几块钱选一个不靠谱的AI吗？大概率不会。你宁愿多花点钱，也要用一个真正能解决问题的工具。

所以咱们选AI别只看价格，免费的不一定最适合你，贵的也不一定就是智商税。

特别是很多创业者或者企业的负责人，总是喊着为什么员工不用AI，但是你又不从制度或基建上支持，让同事们能用上最强大最顺手的AI工具，这就是典型的“又想马儿跑得快，又想马儿不吃草”。

我们内部的做法是，为所有同事搭建通用AI平台，里面能调用各种最新模型，包括你要是想做智能体，也有完善的基础设施，能调用GPT-5、Claude、Gemini等全球顶尖模型。

此外，对于产研或AI相关团队，如果需要高频使用各种AI工具，那就可以自己决定工具的购买。买完后，公司报销90%，个人承担10%。这10%主要是为了确保大家真的会用这些工具。

06 AI使用方式的演变

第五个洞察，是我们使用AI的方式正在改变。

过去20个月里，用户发送给AI的平均提示词长度从1500个token涨到6000多个，增长了近4倍。AI的输出内容也从平均150个token涨到400个，增长了近3倍。

这个变化背后，反映了AI角色的转变：从助手到协作者。

以前我们用AI，更多的是“写个文案”、“翻译一段话”这类简单任务。但现在不一样了，你可以把整个项目背景、相关合作方的特点、你想达成的目标都告诉AI，让它帮你设计一套完整的沟通策略。

AI不再只是直接回答问题，而是帮你理解、分析、提方案，甚至帮你发现你自己都没注意到的问题。

这种使用方式的改变，也带来了一个有意思的现象，叫“杰文斯悖论”。

简单来说，就是AI越便宜，大家用得越多，总成本反而更高。因为当你发现AI能处理更长的上下文，你就会给它更多内容，让它做更复杂的任务，结果就是消耗的token比以前更多。

07 全球AI使用格局的变化

最后一个洞察，是关于全球AI使用格局的变化。

报告显示，亚洲用户的支出占比从2025年初的13%飙升到31%，翻了一倍多。同时，北美用户的占比从50%以上首次跌破50%。这是个标志性变化，说明AI使用正从“美国主导”转向“全球共享”。

更直观的是语言分布数据。所有AI对话中，英语占82.87%，这并不意外。但第二名是简体中文，占4.95%，远超俄语的2.47%和西班牙语的1.43%。

你想想看，全球有那么多语言，中文能排第二，这说明中国用户的使用量确实很大。而且我相信英文对话中，也有大量对话是咱们中国用户产生的，毕竟编程等场景下，用英文表达有时更准确一些。

那么，这个趋势对我们来说意味着什么？我觉得最直接的是，AI产品会越来越重视中文市场。

以前很多AI工具都是英文优先，中文支持总是慢半拍。但现在不一样了，当中文用户占比越来越高时，AI公司不可能再忽视这个市场。所以我们能看到，越来越多AI产品开始重视中文体验，甚至专门为中文用户优化功能。

08 结语

说实话，完整看完这份报告，我最大的感受是：AI的使用方式远比我们想象的多元。

一半人写代码，另一半人玩角色扮演，这两个看似完全不搭边的场景，证明了AI既是生产力工具，也是创意伙伴。中国开源模型使用占比从1%到30%的逆袭，证明了技术竞争格局正在重塑。而“水晶鞋效应”提醒我们，选对第一个AI，可能比我们想象中的更重要。

最后我想说，AI的竞争格局还在快速变化，今天的第一名，明天可能就被超越。但对我们来说，这是好事。竞争越激烈，我们能用到的工具就越好，选择也越多。

所以别焦虑，好好享受这个AI工具层出不穷的时代。