2月，中國AI的模型調(diào)用量爆發(fā)式增長，首次超過美國。

全球最大的AI模型API聚合平臺(tái)OpenRouter數(shù)據(jù)顯示，9日~15日這周，中國模型以4.12萬億Token的調(diào)用量，首次超過同期美國模型的2.94萬億Token。

16日~22日這周，中國模型的周調(diào)用量進(jìn)一步?jīng)_高至5.16萬億Token，三周大漲127%，而同期美國模型調(diào)用量跌至2.7萬億Token。與此同時(shí)，全球調(diào)用量排名前五的模型中，中國模型占據(jù)四席，這股強(qiáng)大的增長動(dòng)能，并非依賴單一爆款產(chǎn)品，而是中國AI廠商集群式崛起。

Token是AI模型處理文本的最小單位。相比用戶數(shù)，Token調(diào)用量是更能真實(shí)反映AI模型使用強(qiáng)度、用戶粘性及商業(yè)價(jià)值的關(guān)鍵指標(biāo)。

中國模型廠商，正憑借快速迭代和成本優(yōu)勢(shì)占領(lǐng)全球市場，國產(chǎn)算力需求正經(jīng)歷指數(shù)級(jí)增長。

榜單洗牌：中國Token調(diào)用量首超美國，四款大模型霸榜

OpenRouter平臺(tái)，匯聚了全球數(shù)百種大語言模型，擁有超過500萬開發(fā)者用戶，是目前全球最大的AI模型API聚合平臺(tái)。因此，其API調(diào)用量數(shù)據(jù)被視為洞察全球AI應(yīng)用落地趨勢(shì)最真實(shí)的“晴雨表”，因?yàn)樗苯臃从沉碎_發(fā)者“用腳投票”的選擇，體現(xiàn)了模型在實(shí)際應(yīng)用中的受歡迎程度和競爭力。

值得注意的是，該平臺(tái)的用戶主要由海外開發(fā)者構(gòu)成，其中美國用戶占比高達(dá)47.17%，而中國開發(fā)者僅占6.01%，這使得其榜單數(shù)據(jù)更能客觀反映中國AI模型在全球范圍內(nèi)的真實(shí)吸引力。

《每日經(jīng)濟(jì)新聞》記者（以下簡稱每經(jīng)記者）梳理OpenRouter數(shù)據(jù)發(fā)現(xiàn)，全球大模型Token調(diào)用量在過去一年經(jīng)歷了驚人的爆發(fā)式增長。2025年3月3日至9日當(dāng)周，該平臺(tái)前十大模型的周調(diào)用量僅為1.24萬億Token。而到2026年2月中旬，這一數(shù)字已飆升至13.95萬億Token，短短不到一年時(shí)間增長了超過10倍。

2025年，美國模型是市場增長主要?jiǎng)恿?，其Token周調(diào)用量一度占據(jù)平臺(tái)前十大模型總量的近七成，而同期的中國模型占比則不到兩成。然而，進(jìn)入2026年，美國模型的增速開始顯露疲態(tài)，而中國模型則開啟了“狂飆”模式。

數(shù)據(jù)顯示，2026年2月的第一周（2日至8日），中國模型的周調(diào)用量已躍升至2.27萬億Token，發(fā)出了強(qiáng)烈的追擊信號(hào)。

僅僅一周之后，在2月9日至15日當(dāng)周，中國模型便以4.12萬億Token的驚人調(diào)用量，正式超越了同期美國模型的2.94萬億Token，實(shí)現(xiàn)了歷史性趕超。

這股勢(shì)頭并未就此停止，到2月16日當(dāng)周，中國模型的周調(diào)用量更是沖高至5.16萬億Token，三周時(shí)間調(diào)用量增長127%，將領(lǐng)先優(yōu)勢(shì)進(jìn)一步擴(kuò)大。

這股強(qiáng)大的增長動(dòng)能，并非依賴單一爆款產(chǎn)品，而是中國AI廠商集群式崛起。

2026年2月16日至22日的周榜單顯示，平臺(tái)調(diào)用量排名前五的模型中，有四款來自中國廠商，分別為MiniMax的M2.5、月之暗面的Kimi K2.5、智譜的GLM-5以及DeepSeek的V3.2。這四款模型合計(jì)貢獻(xiàn)了Top5總調(diào)用量的85.7%。

具體來看，MiniMax于2026年2月13日發(fā)布的M2.5模型，上線不足一周便迅速登頂周調(diào)用量榜首。在2月9日至15日當(dāng)周，OpenRouter平臺(tái)總調(diào)用量激增的3.21萬億Token中，僅M2.5這一款模型就貢獻(xiàn)了1.44萬億Token的驚人增量。

月之暗面于1月27日發(fā)布的Kimi K2.5模型，憑借其原生的多模態(tài)架構(gòu)和強(qiáng)大的Agent并行處理能力，調(diào)用量實(shí)現(xiàn)了連續(xù)跳漲。該模型能調(diào)度多達(dá)100個(gè)“Agent分身”并行工作，將復(fù)雜任務(wù)處理效率提升3到10倍。據(jù)媒體報(bào)道，Kimi在發(fā)布Kimi K2.5后不到一個(gè)月的累計(jì)收入，已超過其2025年全年的總收入，增長主要由全球付費(fèi)用戶及API調(diào)用量大漲共同推動(dòng)。

智譜的旗艦?zāi)Ｐ虶LM-5自2月12日發(fā)布后，憑借其200K的超長上下文窗口和對(duì)長程Agent任務(wù)的深度優(yōu)化，用戶規(guī)模迎來高速增長，其調(diào)用量在上線次周便增長至0.8萬億Token。

過去一年，阿里千問雖單個(gè)模型上榜頻次不高，但a16z與OpenRouter聯(lián)合發(fā)布的報(bào)告顯示，其全系列模型總Token調(diào)用量以5.59萬億位居全球第二，僅次于DeepSeek（14.37萬億）。

咨詢公司弗若斯特沙利文（Frost & Sullivan）報(bào)告顯示，在中國大模型B端市場，2025年下半年，千問（Qwen）系列模型的日均Token調(diào)用量占比32.1%位列第一，相較上半年的17.7%幾乎翻倍，相比字節(jié)豆包（21.3%）、DeepSeek（18.4%）領(lǐng)先優(yōu)勢(shì)擴(kuò)大。

對(duì)于中國AI大模型的格局，上海財(cái)經(jīng)大學(xué)特聘教授胡延平在接受每經(jīng)記者采訪時(shí)提出了“AI中國團(tuán)”的說法。

他認(rèn)為，產(chǎn)業(yè)市場集中度并非越高越好，有多家頭部企業(yè)形成寬廣的技術(shù)產(chǎn)業(yè)群落，而不是少數(shù)兩三家寡頭，對(duì)于競爭創(chuàng)新和人才生態(tài)建設(shè)是好事，也有利于在中美AI競爭中形成集群優(yōu)勢(shì)。

知名風(fēng)險(xiǎn)投資機(jī)構(gòu)Andreessen Horowitz（a16z）的合伙人Martin Casado觀察到，如今在硅谷尋求融資的AI初創(chuàng)公司中，其路演核心模型高達(dá)80%使用中國的開源模型。

競爭力：成本不到美國AI的1/10，中國Token為何便宜？

中國模型之所以能在短時(shí)間內(nèi)席卷全球開發(fā)者，除了性能上比肩甚至超越國際頂尖模型外，其極具競爭力的成本是另一個(gè)無可爭議的核心優(yōu)勢(shì)。

以O(shè)penRouter平臺(tái)公示的價(jià)格為例，中國模型的成本優(yōu)勢(shì)一目了然。

在模型處理輸入信息（Input）的環(huán)節(jié)，MiniMax的M2.5與智譜的GLM-5，其價(jià)格均為0.3美元每百萬Token。作為對(duì)比，海外主流的對(duì)標(biāo)產(chǎn)品Claude Opus4.6的價(jià)格則高達(dá)5美元/百萬Token，是中國這兩款模型的約16.7倍。

在模型生成內(nèi)容（Output）的環(huán)節(jié)，成本差異更為懸殊。MiniMax M2.5的輸出價(jià)格為1.1美元/百萬Token，智譜GLM-5為2.55美元/百萬Token，而Claude Opus4.6的價(jià)格則飆升至25美元/百萬Token，分別是前兩者的約22.7倍和9.8倍。

如此巨大的成本差距，直接決定了開發(fā)者在選擇API時(shí)的經(jīng)濟(jì)考量。

這種顯著的成本差異，首先源于算法層面的架構(gòu)創(chuàng)新。

弗若斯特沙利文中國總監(jiān)李慶在接受每經(jīng)記者采訪時(shí)分析指出，以“混合專家（Mixture-of-Experts, MoE）”架構(gòu)為代表的技術(shù)路線，是中國模型能夠大幅降低推理成本的核心原因之一。目前，包括榜單上的DeepSeek、阿里巴巴的通義千問3.5-Plus等模型，都已廣泛采用了MoE架構(gòu)。

MoE架構(gòu)的巧妙之處在于，它將一個(gè)巨大的模型拆分為多個(gè)相對(duì)較小的“專家網(wǎng)絡(luò)”和一個(gè)“門控網(wǎng)絡(luò)”。盡管模型的總參數(shù)量可能非常龐大（如擁有數(shù)千億參數(shù)），從而保證了其“知識(shí)儲(chǔ)備”和能力上限，但在實(shí)際處理一個(gè)任務(wù)時(shí)，門控網(wǎng)絡(luò)會(huì)智能地判斷該任務(wù)的性質(zhì)，并只激活（調(diào)用）其中一小部分最相關(guān)的專家網(wǎng)絡(luò)參與計(jì)算。

這種“按需激活”而非“全體動(dòng)員”的模式，相較于傳統(tǒng)的稠密模型（每次計(jì)算都調(diào)用全部參數(shù)），極大地減少了計(jì)算量和對(duì)硬件資源的需求。數(shù)據(jù)顯示，采用MoE架構(gòu)可以直接讓推理時(shí)的顯存占用降低60%，推理吞吐量（單位時(shí)間內(nèi)處理的Token數(shù)量）提升高達(dá)19倍。這種從技術(shù)源頭上實(shí)現(xiàn)的降本增效，是其成本優(yōu)勢(shì)的根本來源。

除了算法架構(gòu)的革新，中國AI廠商還在積極探索“垂直整合”的路徑，以進(jìn)一步壓縮每一個(gè)Token背后的成本。這條路徑的核心思想，是將上層的模型算法、中層的云計(jì)算基礎(chǔ)設(shè)施和底層的AI芯片進(jìn)行深度的、一體化的協(xié)同設(shè)計(jì)與優(yōu)化，從而解決軟硬件之間的適配痛點(diǎn)，榨干每一分算力。

李慶以阿里巴巴的“通義-云-芯”體系為例進(jìn)行說明，這種從上到下的垂直整合模式，能夠通過極致的算力調(diào)度算法，實(shí)現(xiàn)對(duì)底層硬件資源的最高效利用，從而大幅降低了AI服務(wù)背后的基礎(chǔ)設(shè)施成本。這種系統(tǒng)級(jí)的優(yōu)化，使得Token的生成成本得以進(jìn)一步降低。

摩根大通在其研報(bào)中對(duì)中國市場做出極為樂觀的預(yù)測(cè)，預(yù)計(jì)從2025年到2030年，中國Token消耗量的年復(fù)合增長率將達(dá)到驚人的330%，在短短5年間實(shí)現(xiàn)370倍的增長。

價(jià)值質(zhì)變：Token正從互聯(lián)網(wǎng)“流量”，成為AI時(shí)代的“燃料”

Token消耗量的指數(shù)級(jí)攀升，表面看是用戶規(guī)模與使用時(shí)長的增長，但其背后更深層次的驅(qū)動(dòng)力，是用戶對(duì)AI使用模式的根本性轉(zhuǎn)變。AI的角色正在從一個(gè)提供簡單信息、進(jìn)行日常閑聊的“問答工具”，進(jìn)化為能夠深度參與工作流、處理復(fù)雜任務(wù)的“生產(chǎn)力工具”。

國聯(lián)民生證券在近期發(fā)布的研報(bào)中，提出了“Token通脹”這一概念。這并非指Token本身變貴，而是指在單位時(shí)間內(nèi)、單位用戶的Token消耗結(jié)構(gòu)性上升。報(bào)告將這一現(xiàn)象歸因于三大核心趨勢(shì)。

首先，用戶的核心需求正在從淺層的“問答”轉(zhuǎn)向深度的“干活”，即越來越多地利用AI來重構(gòu)代碼、改寫文件、生成文檔和跑測(cè)試。編程場景天然具有“長上下文、多輪迭代、大量輸出”的特征，會(huì)大量消耗Token。

其次，AI Agent技術(shù)的興起和普及，放大了Token的消耗。Agent會(huì)主動(dòng)規(guī)劃、檢索、執(zhí)行、反思，多次調(diào)用模型，Token消耗自然按步驟累加。

最后是推理強(qiáng)度上升。更多深度思考、更長鏈路推理會(huì)顯著提高輸出與中間過程的Token消耗。但對(duì)開發(fā)者而言，這往往帶來更高成功率與更少返工，用戶反而愿意“增加Token投入來換取效率”。

這一系列轉(zhuǎn)變，意味著Token不是傳統(tǒng)互聯(lián)網(wǎng)時(shí)代邊際成本幾乎為零的“流量”，而是執(zhí)行生產(chǎn)任務(wù)時(shí)必不可少的“燃料”。

這一趨勢(shì)與全球頂尖芯片制造商的判斷不謀而合。英偉達(dá)CEO黃仁勛在2月26日的業(yè)績電話會(huì)上，反復(fù)向市場強(qiáng)調(diào)一個(gè)核心觀點(diǎn)：“計(jì)算即收入”“推理即收入”。他指出，沒有算力，就無法生成Token；沒有Token，就無法帶來收入增長。在AI時(shí)代，推理性能直接決定了客戶的收入能力，而推理的核心，正是高效地生成可被商業(yè)化的Token。在全球數(shù)據(jù)中心電力瓶頸日益凸顯的今天，“性能/瓦特”（Performance per Watt）已成為衡量AI服務(wù)效率與收入能力的關(guān)鍵指標(biāo)。

李慶向每經(jīng)記者表示，AI服務(wù)的商業(yè)模式正從過去單純的“按量計(jì)費(fèi)”，向“燃料+成果”的混合模式演進(jìn)。一方面，作為“燃料”的Token，其單價(jià)會(huì)隨著技術(shù)進(jìn)步和規(guī)模效應(yīng)持續(xù)下降；另一方面，隨著AI從“問答”工具向“干活”的生產(chǎn)力工具轉(zhuǎn)變，企業(yè)將更愿意為直接的“成果”付費(fèi)，這將催生出更多基于訂閱制的商業(yè)模式。

李慶還預(yù)測(cè)，未來AI服務(wù)的定價(jià)將不可避免地走向高度定制化和靈活化。她表示，Agent時(shí)代的到來意味著任務(wù)的復(fù)雜度千差萬別，單一的定價(jià)模式將無法覆蓋所有商業(yè)需求。未來，計(jì)算消耗、調(diào)用頻次、任務(wù)是否涉及多步推理或規(guī)劃等高成本操作，都將成為影響定價(jià)的因素，一個(gè)多維度、動(dòng)態(tài)的定價(jià)體系將成為主流。

記者|宋欣悅

編輯|肖勇 王嘉琦 高涵

視覺|劉青彥

排版|高涵

統(tǒng)籌|易啟江