全球一半算力用在写代码。。。
原文
https://openrouter.ai/state-of-ai
AI总结和画画
文章基于OpenRouter平台过去一年（截至2025年11月）超过100万亿个令牌的真实LLM交互数据，分析AI模型的使用模式。重点讨论OpenAI o1模型的发布（2024年12月5日），标志着LLM从单步推理向多步审议和内部计算的转变，提升了数学推理、逻辑一致性和决策能力。研究覆盖开源 vs. 闭源模型、代理推理、任务类别、地理分布、成本动态和用户留存。
主要部分要点
数据与方法论
-
数据来源于OpenRouter的匿名元数据（包括令牌计数、时间和工具调用），不涉及提示/完成文本。
-
任务分类使用GoogleTagClassifier，对0.25%样本进行桶分类（如编程、角色扮演、翻译、一般问答、生产力/写作、教育、文学/创意写作、成人内容等）。
-
模型分类：开源（OSS）若权重公开；按来源分中国 vs. 世界其他地区（RoW）。
-
地理基于计费位置；时间跨度为滚动13个月（截至2025年11月）。
开源 vs. 闭源模型
-
OSS使用份额至2025年底达~30%，受DeepSeek V3、Qwen 3 Coder等发布推动。
-
中国OSS平均13%周令牌份额，峰值30%；RoW OSS平均13.7%；专有RoW主导70%。
-
顶级OSS模型令牌量：DeepSeek（14.37T）、Qwen（5.59T）、Meta LLaMA（3.96T）等。
-
OSS生态多元化，无单一模型超25%份额。中型模型（15-70B参数）兴起，抢占小型和大型模型份额。
开源模型的使用场景
-
OSS主导角色扮演（~52%）和编程，因灵活性和低成本，适合创意对话（如故事、游戏）和编码辅助。
-
中国OSS偏向编程和技术（39%结合）；RoW OSS在编码中领先。
-
其他：翻译（双语强）、一般问答/教育（中等），OSS在创意和技术领域占优。
代理推理的兴起
-
推理模型令牌份额超50%，领先xAI Grok Code Fast 1、Google Gemini 2.5 Pro/Flash和OpenAI gpt-oss-120b。
-
工具调用持续增加，主要在Claude Sonnet和Gemini Flash。
-
提示令牌增长4倍（1.5K→6K），完成令牌增3倍（150→400）；序列长度增3倍（>5,400令牌），编程驱动。
使用类别
-
编程增长至>50%份额，Anthropic Claude占>60%（2025年11月降至<60%），其次OpenAI（~8%）、Google（~15%），OSS如MiniMax上升。
-
角色扮演稳定，60%游戏/角色扮演游戏、15.6%作家资源、15.4%成人内容。
-
子标签集中：编程广义（2/3其他）、角色扮演专业化、翻译分外国语言资源（51.1%）。
-
提供商特征：Anthropic（80%编程/技术）、Google（多样，包括翻译/科学）、xAI（80%编程）。
地理分布
-
北美~47%支出，亚洲升至31%（从13%），欧洲~21%。
-
顶级国家：美国（47.17%）、新加坡（9.21%）、德国（7.51%）、中国（6.01%）。
-
语言：英语82.87%、简体中文4.95%、俄语2.47%、西班牙语1.43%。
用户留存分析
-
高流失率，但基础队列（早期用户）持久，称为“玻璃鞋效应”（模型-工作负载匹配导致锁定，如Gemini 2.5 Pro 2025年6月队列5个月后40%留存）。
-
示例：OpenAI GPT-4o Mini单一基础队列；DeepSeek显示“回旋镖”回归。
成本 vs. 使用动态
-
类别分段：高端（高成本/高使用：技术、科学）；大众市场（高使用/低成本：角色扮演、编程）；专业（低量/高成本：金融、学术、健康）；利基（低成本/低量：翻译、法律）。
-
闭源模型在高成本/高使用（如Claude ~$2/M令牌）；OSS在低成本/高量（如DeepSeek V3 ~$0.39/M）。
-
需求非弹性；更廉价模型驱动更高消费（Jevons悖论）。
关键发现
-
OSS使用达~30%，中国OSS增长至13%平均，生态多元化。
-
角色扮演和编程主导OSS（52%及领先），因成本/定制化。
-
推理模型>50%令牌；工具调用和序列长度增3倍，代理工作流驱动，尤其是编程。
-
编程>50%整体，Anthropic主导；亚洲使用31%，英语主导（83%）。
-
基础队列留存40%；玻璃鞋效应促成持久匹配。
-
高使用低成本类别（角色扮演/编程）；高端如技术例外。
趋势
-
转向代理推理：多步、工具使用、更长上下文（提示4倍、序列3倍）。
-
OSS增长多元化，尤其是中国模型；中型模型兴起。
-
编程扩展（>50%）；角色扮演作为主要创意使用。
-
全球去中心化：亚洲/中国使用和生产上升。
-
留存：早期队列锁定；部分OSS回旋镖回归。
-
成本不敏感需求：质量胜过价格。
结论
LLM嵌入工作流作为推理基底，o1式模型规范化审议和代理系统。生态多元，多模型栈；推理转向动态编排。地理全球化，中国关键生产/消费方。实证使用指导设计：聚焦突破留存、代理能力、全球适应。未来强调任务完成的操作卓越和变异减少。
