高性价比突围：中国大模型如何登顶OpenRouter全球调用量榜首？

本文来自微信公众号：快刀青衣，作者：快刀青衣

量变终将引发质变。

上周看到一组数据时，我第一反应是难以置信：在全球最大的AI模型API聚合平台OpenRouter上，2月9日至15日那一周，中国模型调用量达4.12万亿Token，首次反超美国模型的2.94万亿；到2月16日至22日，差距进一步拉大，中国模型以5.16万亿对美国的2.7万亿，两周内增幅高达127%。

打开OpenRouter排行榜，更意外的是前五名中中国占了三席：MiniMax M2.5居首，DeepSeek V3.2第三，月之暗面的Kimi K2.5第四，夹在中间的是谷歌Gemini 3 Flash Preview，Claude Opus 4.6则排第五。

先给不熟悉OpenRouter或技术的朋友科普：日常AI对话消耗Token不多，真正消耗大的是个人或企业开发者通过API调用大模型处理工作。OpenRouter像AI模型的“电商平台”，用户可一站式选择并开通API，平台从算力消耗中提成。虽单平台数据不能覆盖全市场，但类似电商平台销量，能反映趋势——更关键的是，OpenRouter有超500万开发者用户，美国占47%，中国仅6%，数据主要体现海外开发者的真实选择，并非“自嗨”。

这次反超背后，有三件事值得探讨。

01 一只“龙虾”引爆Token消耗

2026年1月下旬，开源项目OpenClaw突然爆火，Logo是一只龙虾，GitHub星标超26万，增速远超老牌项目。它的核心功能是让AI接管电脑，执行命令行操作、跑自动化工作流，彻底改变了Token消耗模式：过去“对话模式”单次仅几百到几千Token，而Agent工作流需反复读取日志、高频调用工具、多轮纠错，还得在十万甚至百万Token的长上下文里追踪任务，单次消耗是过去的几十到几百倍。乘以成千上万的开发者，调用量直接爆炸——OpenClaw单日贡献3340亿Token，是第二名Kilo Code的两倍多。

不过OpenClaw也带来安全隐患：原本设计在本地隔离沙箱运行，实际部署却失控，大量高权限智能体暴露在公网。安全机构Censys警报显示，一周内暴露实例从不足1000个飙升至21000多个；还有公开监控页面显示超22万个暴露实例。更麻烦的是“Clawjacked”攻击：黑客在网页埋入隐形恶意指令，AI访问时吸入日志，自我纠错时会执行这些指令。这种手法门槛低，早在2005年就被禁止用于SEO，没想到2026年仍被用于AI攻击。

02 国产模型在执行层站稳脚跟

Agent工作流普及催生新分工：顶层复杂任务交给Claude等顶尖模型，执行层的工具调用、代码生成、日志处理则用高性价比国产模型。以MiniMax M2.5为例，每百万Token输入成本约0.3美元，仅为Claude Opus 4.6（5美元）的1/17；输出成本1.2美元，是Claude（25美元）的1/20。但它并非“便宜货”：SWE-Bench Verified软件工程能力榜单中，MiniMax M2.5得80.2%，仅比Claude的80.8%低0.6%；工具调用准确率76.8%，反超Claude的63.3%，输出速度更是快近3倍。MiniMax官方还披露，内部80%非核心代码提交、30%日常运营任务已由M2.5接管，用实际场景证明了自身价值。Kimi K2.5则押注超长上下文赛道，百万Token窗口天然适配Agent追踪任务的需求，因此涨幅迅猛。

03 Token消耗逻辑的深层转变

OpenRouter平台上，开源模型最大使用场景是角色扮演，占比52%——这看似意外，实则合理：角色扮演需要模型长时间保持角色语气、记忆，对上下文长度和输出稳定性要求高，极度消耗Token。MiniMax为此推出特化版本Minimax M2-Her，在该场景建立护城河。第二大场景是编程助手，Qwen3 Coder Next采用“物理阉割”设计，仅在非思考模式运行，拒绝冗余推理，直接输出干净代码——因为自动化工作流中，模型的“自语”是成本而非价值。

04 结语：趋势与思考

最后划几个重点：

第一，OpenRouter数据反映趋势但非全貌。它像AI模型的“集合店”，但大量调用直接发生在OpenAI、谷歌等厂商的“官方旗舰店”，这些数据未被统计。集合店爆款不代表旗舰店衰落，“超越”是真实的，但仅覆盖部分市场。

第二，执行层量变或推动价值链升级。国产模型承接执行层任务，能获取大量真实场景反馈（如工具调用效果、代码错误点），这些是宝贵的训练信号。用规模换迭代速度，今天Claude守着顶层决策，未来格局或改变——类比深圳制造业，当全产业链聚集，地位便不可撼动。

第三，调用量领先≠商业成功。这批爆发的国产模型多为开源，定价更侧重抢占市场而非利润。OpenAI 2025年ARR已破200亿美元，国内厂商仍处于“用规模换未来、用融资换时间”阶段。从“用得多”到“活得好”，是中国AI公司需回答的关键问题。