默尘

说明：这是一份完全由 AI（豆包、Gemini、千问）生成的总结（包括配图），我只做了内容提取和对比整合工作。学习报告内容的同时也对比下主流模型及其 APP 的能力，原始报告来自 OpenRouter 平台，需完整内容可以看原文¹。

研究基于对 OpenRouter 平台上超过 100 万亿 token 的真实 LLM 交互数据分析，提供了一个关于大型语言模型（LLMs）实际使用情况的经验性视角。

报告分析了 2024 年底至 2025 年间大型语言模型（LLMs）的真实世界使用模式。研究发现，随着 OpenAI 的 o1 等推理模型的推出，市场从单次文本生成转向了多步骤、工具调用和推理密集型的工作流程，即“代理式推理”正在崛起。数据揭示，尽管编程任务在所有 LLM 使用中占据主导且增长最快，但创意角色扮演却在开源模型（OSS）的使用中占据超过一半的份额，表明用户需求具有复杂的多样性。此外，报告还提出了“灰姑娘玻璃鞋效应”，即最早找到模型 - 工作负载完美契合的早期用户群体（Foundational Cohorts）会表现出显著且持久的留存率，这成为衡量模型价值的关键指标。整体而言，LLM 生态系统是多元化且竞争激烈的，闭源模型和开源模型分别在高价值和高容量任务中发挥作用，并且亚洲市场的份额正在迅速扩大。

研究基础背景

• 研究背景：2024 年 12 月 OpenAI o1 模型发布后，LLM 领域从单轮模式生成转向多步审慎推理，本研究基于 OpenRouter 平台超 100 万亿 token 的真实交互数据，填补了 LLM 实际使用场景的实证认知空白。
• 数据范围：覆盖 2024 年 11 月 - 2025 年 11 月（部分分类数据始于 2025 年 5 月），包含全球数百万开发者 / 用户、300+ 活跃模型、60+ 提供商，50% 以上使用量来自美国以外地区。
• 研究维度：开源 vs 闭源模型、智能体推理、任务分类、地理分布、成本 - 使用动态、用户留存六大核心方向。

六大方向核心发现

1. 模型生态：开源与闭源双轨并行

• 闭源模型仍占主导（约 70% token 份额），但开源模型稳步增长至 2025 年末的 30%，其中中国开源模型（如 Qwen、DeepSeek）从 1.2% 增至近 30%（部分周），平均占比 13%。
• 开源模型市场从 DeepSeek 垄断转向多元化，Qwen、Meta LLaMA、Mistral AI 等跻身前列，中等规模模型（150 - 700 亿参数）成为新热点，小型模型（<150 亿参数）使用率下降。
• 开源模型擅长创意角色扮演（占比 52%）和编程辅助（15 - 20%），闭源模型主导结构化商业任务。

2. 用法变迁：智能体推理崛起

• 推理型模型使用率从 2025 年初近乎为零增至超 50%，xAI 的 Grok Code Fast 1、Google Gemini 2.5 系列成为核心驱动。
• 工具调用呈持续上升趋势，Anthropic Claude、Google Gemini 等模型主导该场景，2025 年中后开源模型逐步入局。
• 交互复杂度提升：平均提示词 tokens 增长 4 倍（1.5K → 6K），输出 tokens 增长 3 倍（150 → 400），编程任务是长序列交互（超 20K tokens）的主要驱动。

3. 任务分类：编程与角色扮演主导

• 编程成为第一大任务类别，从 2025 年初 11% 增至近 50%，Anthropic Claude 系列占该领域 60% 以上使用量，OpenAI、Google 及开源模型逐步分流份额。
• 角色扮演是开源模型第一大用途（52%），闭源与开源模型在该场景占比接近（42% vs 43%），远超预期。
• 其他任务中，翻译、知识问答、教育占比有限，科学类查询多集中于机器学习 / AI 主题（80.4%），健康、金融类任务呈碎片化分布。

4. 地理与语言：全球分布多元化

• 北美仍为最大市场（占比 <50%），欧洲份额稳定（15 - 20%），亚洲占比从 13% 翻倍至 31%。
• 语言方面，英语占 82.87%，简体中文占 4.95%，俄语（2.47%）、西班牙语（1.43%）等构成次要语言。

5. 用户留存：灰姑娘“水晶鞋”效应

• 早期用户群体留存率显著高于后期用户，如 2025 年 5 - 6 月的 Claude 4 Sonnet、Gemini 2.5 Pro 用户，5 个月后留存率约 40%。
• 核心逻辑：模型与用户高价值需求实现精准匹配（“水晶鞋契合”），用户因技术适配、成本惯性形成强锁定，DeepSeek 模型出现“回流效应”（流失用户回归）。DeepSeek 模型曲线中表明一些流失用户在尝试替代品后，发现 DeepSeek 在特定的工作负载中提供了最优的匹配，因此选择回归。

6. 成本 - 使用：非完全价格敏感

• 市场分为四大象限：编程 / 角色扮演（高用量低 cost）、技术 / 科学（高用量高 cost）、金融 / 健康（低用量高 cost）、翻译 / trivia（低用量低 cost）。
• 需求价格弹性弱：10% 降价仅带来 0.5 - 0.7% 用量增长，闭源模型占据高价值高 cost 领域，开源模型主导高用量低 cost 场景。
• 质量与可靠性优先于价格，Anthropic Claude、OpenAI GPT - 4 等高价模型因性能优势保持高使用率。

模型任务的专业化

根据 OpenRouter 平台的实证数据，不同模型提供商及其模型类型在任务适配性上呈现出显著差异。模型提供商的使用模式显示出明显的专业化倾向。没有单一模型能够主导所有用例，用户根据模型的能力、延迟、价格和信任度进行选择。

Anthropic（Claude 系列）主导编程与技术任务，其模型专为复杂推理、编码和结构化工作流优化，企业用户广泛将其用作开发助手；在编程相关支出中，Anthropic 持续占据超过 60% 的份额，其总使用量中编程与技术任务合计占比超过 80%。

DeepSeek（开源模型）则明显偏向消费端应用场景，尤其聚焦于角色扮演和休闲互动，展现出高参与度的对话特性，其角色扮演类使用通常占总使用量的 66% 以上。

相比之下，Qwen（开源模型）显示出对技术和开发者任务的明确侧重，在开源生态中直接参与技术领域的竞争，其编程任务占比稳定在 40% 至 60% 之间。

OpenAI（GPT 系列）的使用模式已从早期多样化的科学或休闲用途，逐步转向高价值、结构化的专业场景，如今主要服务于开发者工作流和企业级应用，编程与技术任务合计占比超过 50%。

Google（Gemini 系列）的使用分布更为多元，涵盖翻译、科学、通用知识问答等多个领域，但其在编程任务中的份额相对较低，并呈下降趋势，截至 2025 年底，编程仅占其总使用量的约 18%。

xAI 的早期使用高度集中于编程领域（占比超 80%），后期随着免费流量的涌入，任务类别才逐渐拓宽。

一般开源模型（包括其他地区及中国开源模型） 的生态优势体现在两大方向：一是创意型角色扮演（占所有开源模型使用量的约 52%），二是成本敏感型的编码辅助任务，反映出开源社区在娱乐互动与开发者工具两个维度上的双重活力。

整体来看，市场已形成一个分层结构：

• 闭源（专有）模型（如 Anthropic 和 OpenAI）凭借其可靠性、卓越的推理能力和信任优势，在高价值、与收入相关的工作负载（特别是复杂的编程和技术任务）中保持主导地位和定价权。
• 开源模型（如 DeepSeek 和 Qwen）则通过提供成本效益和定制化，在大众市场驱动型用量（如角色扮演）和高容量编码辅助任务中占据巨大份额。这使得 LLM 生态系统具有结构上的多元性，用户在不同的能力和成本平衡中进行选择。

我们可以将当前的 LLM 市场理解为一个大型的专业工具箱。就像一个工程团队会针对不同的工作选择不同的工具一样：对于需要最高准确性和可靠性的核心项目（例如构建系统架构），他们会选择昂贵的专业级闭源工具（如 Anthropic Claude）；而对于需要大量重复操作或创意自由的任务（例如编写测试脚本或进行角色扮演），他们则会选择高效率、低成本的开源工具（如 DeepSeek 或 Qwen）。

进一步对观点进行提炼

关键范式转变： LLM 领域经历了重大转折，正在从单次文本生成转向多步骤的智能体推理（Agentic Inference），涉及内部审议、潜在规划和迭代细化。推理优化模型的 token 使用份额在 2025 年迅速上升，现已超过总使用量的一半 。这一转变也体现在工作负载的复杂性增加上，平均提示 token 长度增长了近四倍，主要驱动因素是编程工作负载需要处理大量的上下文信息。

生态系统结构与竞争： LLM 生态系统是结构性多元化的，闭源和开源模型都占据了重要份额。虽然专有模型仍占多数 token 使用量，但开源模型已稳步增长，到 2025 年末达到总使用量的约三分之一。尤其值得注意的是，中国开源模型（Chinese OSS）迅速崛起，其增长态势和迭代速度重塑了开源领域，并在某些周内达到了所有模型总使用量的近 30%。开源模型的市场格局正走向碎片化，多个模型家族共同维持可观的使用份额，而不再由单一模型主导。

主要应用领域： 实际使用情况复杂且多面，最主要的活动集中在编程辅助和创意角色扮演两大类别。在所有 LLM 查询中，编程是增长最快且占主导地位的类别，在最近几周内占总 token 量的比例已超过 50%。对于开源模型而言，角色扮演占据了超过一半的使用量，这表明用户利用开源模型的定制化和内容限制较少的特点，主要用于互动对话和创意场景。

经济与留存模式： LLM 市场的需求对价格相对缺乏弹性，但模型的使用情况存在显著的市场细分 。闭源模型通常占据高成本、高使用量的“卓越领导者”象限，用于高价值或任务关键型工作负载，而开源模型则倾向于低成本、高使用量的“高效巨头”领域，满足成本敏感型需求。模型的长期留存由“灰姑娘的水晶鞋”效应决定，即早期用户队列一旦发现模型与特定工作负载完美匹配，就会形成持久的参与度，抵抗后续模型更迭带来的替代效应。

地域分布： LLM 使用量正变得越来越全球化和去中心化。北美仍然是最大的单一地区，但在大部分观察期内占总支出的比例不到一半。亚洲地区的份额显著增长，目前已达到约 31%。全球竞争的下一阶段将取决于模型的文化适应性和多语言能力。

有什么关键启示

豆包模型辅助总结

• 模型生态趋向多元化，多模型集成成为开发者首选，而非单一依赖。
• 消费级娱乐（角色扮演）与专业生产力（编程）同为 LLM 核心需求，模型评估需兼顾创意性与实用性。
• 智能体推理成为竞争核心，工具调用、长上下文处理、多步推理能力决定模型上限。
• 全球市场与多语言支持成为必备能力，中国开源模型在全球竞争中占据重要地位。
• 留存率比短期增长更关键，“首次精准匹配”是模型长期占据市场的核心优势。

千问模型辅助总结²

• 开源生态重构：中国开源模型通过快速迭代和本地化优势，与西方模型形成双寡头竞争格局，DeepSeek、Qwen 等模型在代码生成领域表现突出。
• 代理式推理革命：推理模型使用量突破 50% 大关，工具调用频率年增 300%，标志着 LLM 从文本生成向任务执行范式转变。
• 应用场景颠覆认知：角色扮演类应用占据开源模型 52% token 份额，编程类应用呈现 “长上下文 + 短输出” 特征，平均输入 token 达 6K。
• 市场突破密码：灰姑娘玻璃鞋效应揭示，模型市场突破的关键在于解决特定工作负载的 “技术 - 经济约束”，而非单纯性能领先。

总而言之，该研究通过大规模数据揭示了 LLM 正在成为跨域（从编程到创意写作）的基本计算基质。未来的竞争将取决于运营卓越性、对真实任务完成度的衡量，以及对多模型、多语言生态的适应能力。

参考资料