AI大模型使用量排行榜，前五中国占四席

在GAIDN社群里，流传着一张图，在 OpenRouter 上面的 AI 大模型的使用量排行（见图）。

你会发现，排行前五名中，中国占了四席，MiniMax 第一名，第二名Kimi，智谱和 DeepSeek 分别位列第四和第五名，最智能的 Claude 模型，居然排到第 6 名去了。

注意这些都是 API 的 Token 使用量。这意味着，这些使用量来自于开发者或企业的生产环境，与 C 端的消费决策不同，企业决策更加在意成本，并且会长期使用。

非常明显，这个遵循着最古老的经济学原理，量价定理：价格越低，购买量越大。

我把它的输入、输出价格以及上下文的长度都整理出来，列在表格里面，大家看图，你会发现：

1️⃣ 排行榜最前面那五个模型，输入价格都压到了 0.5 美元以下，输出也大多在 3 美元以内，这种极致的性价比就是它们能霸榜的核心原因。

2️⃣ 至于大家公认最聪明的 Claude，价格确实太高，几乎比前五名贵了 10 到 50 倍，所以目前基本只有预算充足的客户，或者是追求顶尖质量的硬核场景才会选它。

3️⃣ 我最近发现 Grok 简直是个被低估的“价值洼地”，排名第七的它输入价格才 0.2，输出 0.5，比前四名都便宜，关键上下文长度竟然有 200 万，这种充满魅力的模型，以及马斯克建立的巨像数据中心，真的值得大家去挖掘。

4️⃣ 排名第十的那个模型，虽然已经做到完全免费了，但使用量还是上不去，这说明即便不花钱，集成和使用也需要花时间，且，最终结果的质量依然重要。

排行榜有这么多 AI 大模型，该怎么去选择？我们认为应该有一个决策框架。

1️⃣ 根据80/20原则，集成组合不同AI大模型

你 80% 的工作，并不需要那么高的质量，你可以有效地通过集成 MiniMax、Kimi、DeepSeek 或 Grok 来降低成本。

对于 20% 最核心的工作环节，则可以集成更好的模型，比如 Claude/Gemini/GPT.

2️⃣ 先用最好的建标准线，再逐步降本

你可以先用最优质的模型比如Claude去建立一个标准benchmark，然后再尝试，用价格更低的模型去代替。

如果你评判发现质量虽有下降，但在你的接受范围之内，那么不妨就换过来，以此实现降本增效。

3️⃣ 榜单会动态调整，建立自己的路由

不排除 MiniMax 目前正在做促销，以配合其在资本市场的一些行动，毕竟 MiniMax 团队优秀，但确实非常烧钱，我们之前也有过介绍。

建立自己的路由机制，轻松切换不同模型。