中国大模型调用量连赢20周，然后算一本成本账

来源：市场资讯

（来源：机器学习算法那些事）

榜单第一，就是赢？

中国大模型连赢20周

然后，算一本成本账

OpenRouter 口径 · 单任务成本 · 缓存定价 · 任务级 ROI

9月7日至13日这一周，中国模型在 OpenRouter 上的 token 用量约为61.2万亿，美国模型约为21.8万亿。按相关报道的统计口径，中国模型已经连续20周领先；用量前十的模型中，有7款来自中国，一年前这个数字还是2。[1]

不过，“中国大模型赢下全球调用量”这个说法，需要收一收。OpenRouter 统计的是经由自身平台处理的输入和输出 token，并非全球所有大模型的使用量，也不等于 API 请求次数。厂商直连服务、其他云平台和私有部署，不能靠这张榜单一并概括。[2]

即便如此，这20周依然值得认真看。在一个便于比较不同模型的平台上，中国模型持续获得大量使用，说明它们已经进入了开发者的实际选择范围。接下来要追问的是：用户为什么选它们，这种选择又能维持多久？

价格显然是一个重要原因。但“因为便宜”只解释了一半。一个模型如果总是做错，价格再低，也很难长期留在生产系统里。真正影响选型的是另一笔账：达到同样的交付要求，究竟要花多少钱。

数据速览

口径与数字

统计周期

2026年9月7日至13日（OpenRouter 周度数据）

中美用量

中国模型约61.2万亿 token，美国模型约21.8万亿

领先纪录

连续20周领先；用量前十中7款来自中国（一年前为2款）

口径边界

仅统计 OpenRouter 平台处理的输入输出 token，不含厂商直连、其他云平台与私有部署

核心追问

用户为什么选它们，这种选择又能维持多久

01

PART

开发者买的，是能交付的结果

DELIVERABLE · 验收标准优先

看模型发布会，最容易记住的是它又在哪项测试里拿了第一。轮到自己选型，问题通常具体得多：能不能读懂项目里的代码，能不能按要求返回数据，连续调用时稳不稳定，出了错需要花多少时间补救。

这与追求能力上限并不矛盾。只是一个模型能解决多难的问题，与它是否适合承担眼前这项工作，是两回事。

Artificial Analysis 的评测给了一个颇有代表性的例子：在其列出的配置下，GLM-5.3-Flash 与 GPT-5.6 Terra 的智能指数同为42分，但每项测试任务的平均成本分别约为0.25美元和1.40美元。前者不到后者的五分之一。[3]当然，综合分数接近，不代表两个模型在所有业务里都能相互替换；这里更值得注意的是，达到相近的评测水平，成本可以相差很大。

模型

智能指数

每项任务平均成本

GPT-5.6 Terra

42 分

约 $1.40

GLM-5.3-Flash

42 分

约 $0.25

对一个每天只调用几次模型的人，这种差距可能不值得折腾。对一个需要持续处理文档、生成代码、响应客户请求的产品，它就足以影响业务能否成立。尤其是那些单笔收入不高的服务，模型成本降下来，才有空间覆盖其他开支。

所谓“够用”，也不该被理解成“差一点没关系”。它应当有明确的验收标准：字段有没有提取完整，测试能不能通过，回复是否符合业务规则，需要人工接手的比例有多高。达到这些要求之后，再比较价格、延迟和稳定性，选型才有意义。

反过来，如果较便宜的模型需要反复重试，或者经常留下不易察觉的错误，人工检查的时间可能就把省下的钱吃掉了。一个收费更高、但能一次完成工作的模型，完全可能是更经济的选择。

本部分核心判断

以较低成本通过越来越多任务的验收，而不是让用户为了省钱降低验收标准

这也解释了为什么不能把用量增长简单理解成“开发者不在乎能力了”。他们仍然在乎，只是开始要求厂商证明：多出来的能力，在自己的业务里，值不值得多出来的价格。

02

PART

Agent 把这笔账放大了

AGENT COST · 多轮调用

在普通聊天里，用户提一个问题，模型回答一次，成本相对容易理解。Agent 的账就没这么简单了。

以修复一个软件问题为例，模型可能要先阅读项目，查找相关文件，判断错误原因，修改代码，运行测试，再根据测试结果继续调整。用户看到的是一个任务，背后却可能经历多轮模型调用。Anthropic 对 Agent 的介绍也强调，这类系统会根据环境反馈动态决定后续步骤，而更复杂的执行过程，往往意味着额外的成本和等待时间。[4]

于是，“这款模型每百万 token 多少钱”就不够用了。还要看它走了多少步，重复读了多少上下文，在哪些地方返工，最终有没有把任务做完。

这也是讨论 Token ROI 时最容易被忽略的地方。token 是投入，不是产出。多消耗了多少 token，本身不能证明多创造了多少价值；价格表上的单价更低，也不能直接证明一项工作更便宜。

对使用方而言，一个更有用的口径是：在质量要求相同的前提下，完成一项合格任务的总成本是多少。这笔成本包括模型调用，也包括必要的验证、失败后的重试，以及人工收尾。倘若一个系统省了30% 的 API 费用，却让工程师多花了一倍时间检查结果，那就很难称得上优化。

从这个角度看，同一个 Agent 是否需要全程使用同一款模型，也就成了可以重新讨论的问题。总体规划、关键判断和复杂错误定位，可以使用能力更强的模型；边界清楚、容易验证的步骤，则可以尝试交给成本更低的模型。这类按任务分流的做法，也出现在 Anthropic 的工作流设计建议中。[4]

但分流本身需要判断能力。步骤短，不代表风险低；看似简单的一次工具调用，如果选错了参数，也可能让后续工作全部失去意义。不能只根据输入长度，或者给任务贴上“写代码”“查资料”这样的标签，就决定该用便宜模型。

因此，真正困难的部分是判断哪里可以省，哪里不能省，以及省下来的成本有没有被后续失败抵消。这比把所有请求切到一个低价模型复杂得多，也更接近企业实际需要的东西。

03

PART

价格表背后，是一项项具体的工程改进

REAL ENGINEERING · 缓存与定价

把中国模型的低价全部归因于补贴，并不准确；反过来，断言所有低价都来自技术优势，同样过于简单。要看价格能不能持续，最终还是得看服务一项任务的成本，以及厂商能否覆盖长期投入。

已经有一些可见的进展。路透社9月的分析提到，智谱称其单位推理成本较年初下降80%，API 业务上半年毛利率升至约25%。但同一时期，智谱研发支出仍超过收入的两倍；MiniMax 的研发投入也超过收入的2.5倍。[5]

这组数字放在一起看，比单独强调“价格战”或者“技术降本”更有解释力。推理服务可以越做越高效，公司却仍要为下一代模型投入大量资金。降低一次调用的成本，与收回整个研发周期的投入，不是同一道题。

对开发者来说，影响账单的工程细节中，缓存尤其值得关注。Agent 连续执行任务时，系统指令、工具说明和项目背景可能被反复使用。对支持提示词缓存的服务，复用已处理的上下文可以减少费用；但能否命中缓存，与请求组织方式、服务提供方和路由策略都有关系。OpenRouter 为此提供了保持后续请求落到同一服务方的机制。[6]

因此，看见某款模型极低的“缓存输入价”，不能直接把它当成整体使用成本。DeepSeek V4.1 Flash 的平台页面就分别列出了普通输入、输出和缓存读取价格，它们对应的是不同的计费项。实际账单取决于请求中各类 token 的构成，而不是价格表里最低的那个数字。[7]

一个没有可复用上下文的请求，和一个缓存命中率很高的长程任务，即使使用同一款模型，成本结构也会不同。模型之间的比较若不说明这些条件，很容易算出漂亮却没有实际意义的差价。

这些工作没有发布会上的榜单直观，却会直接影响产品。少读一次重复内容，少走一轮无效推理，避免一次不必要的重试，每一项改善都可以在完整任务的成本里体现出来。对高频使用的系统，它们值得被单独衡量。

04

PART

用得多，不等于已经赢下了生意

USAGE ≠ BUSINESS · 信任与收入

用量增长值得重视，但不能让它承担太多结论。token 更多，不等于完成的任务更多，也不等于收入更高，更不能直接推导出利润更好。

能力上的差异仍然有价值。Artificial Analysis 的评测中，Anthropic 和 OpenAI 的旗舰配置仍处于高分区间。评测当然不能代替业务测试，但它提醒人们：模型之间的能力差距，并没有因为低价产品获得大量使用而消失。[3]

对一些复杂任务，多一点能力可能就意味着少一次失败。尤其当错误难以发现、后果又比较严重时，模型费用未必是最值得压缩的开支。企业愿意为可靠性付钱，并不代表它没有认真算账；有时恰恰是因为算过账，才知道哪里不能省。

同样，没有理由预先认定，中国模型只能承接低价任务，海外模型只负责高端任务。具体该用谁，仍然应当由任务测试决定。新模型可能改变能力差距，价格调整可能改变成本差距，服务质量的变化也可能让一个原本合适的选择不再合适。

开发者容易切换模型，对新进入者是机会，对已经拿到流量的厂商则是压力。用户因为性价比迁入，也可能因为新的性价比选择离开。一次排名领先无法证明长期优势，连续20周也不等于此后不必再竞争。

还有一些问题，根本不在模型分数和价格表上。企业把业务接到一项 AI 服务之前，需要知道数据经过哪里，日志如何处理，服务中断后如何恢复，换供应商要付出多少迁移成本。这些要求会因业务而异，却不能用一句“模型便宜好用”代替回答。

允许私有部署的开放权重模型，可以给企业更多控制权。但部署、维护和安全验证仍然需要投入。开放权重是一种选择，并不自动附带一份低成本、免维护、无风险的解决方案。

所以，对中国模型更有价值的问题可能是：这些用量中，有多少会留下来成为持续付费的业务？用户在什么任务里愿意长期依赖它？厂商能否一边保持服务价格的吸引力，一边承担后续研发？

这几件事，比某一周又增加了多少 token 更接近生意本身。

05

PART

接下来要优化的，是整个任务

TASK-LEVEL ROI · 全链路视角

原文把 token 比作一种新的标准化商品。这个比喻有启发，但也有边界。

一百万 token 是一个计量数量，不是一份统一规格的工作成果。同样一个任务，不同模型可能消耗不同数量的 token，花费不同时间，交付不同质量的结果。单价一样，也不代表买到的服务一样。

这意味着，围绕 AI 成本的竞争不该停在“谁卖得更便宜”。更值得尝试的是，把模型选择、上下文管理、缓存复用、结果验证放到同一个任务里考虑，看看它们怎样配合，才能减少无效开支。

例如，为了获得更低的调用价格而频繁切换模型，可能破坏原本可以复用的缓存。为了减少输入而压缩上下文，也可能丢掉关键约束，导致后续反复返工。单独看，每一步似乎都省了钱；合起来看，任务却可能更贵。

OpenRouter 的缓存机制已经体现出这种取舍：它会尽量让同一会话的后续请求继续使用相同的服务端点，以保留缓存收益，而不是每次都只看即时价格。[6]

由此看，模型与应用之间确实有一类值得投入的工作：帮助使用方持续找到合适的模型组合，管理执行过程，并用任务结果验证成本是否真的下降。这可以由应用团队自己完成，也可以成为独立的服务。但它的价值必须体现在结果上，不能只靠接入模型的数量来证明。

用户需要的，是在预算内稳定完成工作

背后调用一款模型还是五款，只在影响结果和成本时才重要

这也给“Token ROI”一个更实在的含义。它不必是一句新的行业口号，更不该变成另一场 token 消耗量竞赛。对一个团队来说，能说明同样的预算现在多完成了多少合格任务，或者同样的工作量现在少花了多少钱，就已经足够有说服力。

PRODUCT

关于 TierFlow

把任务级 ROI 做成产品

最近一款叫做 TierFlow 的产品联合清华大学韩军功教授团队发布，这款产品的思路——不看单价，看单个任务的总成本——不是纸上谈兵。TierFlow（tierflow.cn），一个面向 AI 智能体的 token 使用效率优化平台。

官网套餐价格参考

TierFlow 的核心是自研的 BrainNet 技术，以约20毫秒的粒度感知智能体的每一步执行状态，在此基础上做动态模型调度：把总体规划、关键判断交给能力更强的模型，把边界清楚、容易验证的步骤交给成本更低的模型——正是前文所说的按任务分流，甚至按照步骤级别精细化分流，只是分流决策由系统自动完成。配合 OWG 执行状态图还原完整执行链路，再通过统一 API 接入上层应用，开发者不需要改动业务逻辑。

效果最终落在任务级账本上：在 PinchBench 评测中任务完成率达 92.47%；SWE-Bench 解决率从 72% 提升至 76%；而平均单任务成本从 0.64 美元降至 0.35 美元——完成率上升、成本下降同时发生，也就是本文反复强调的那件事：同样的预算，多完成合格任务。

指标

优化前

优化后

PinchBench 任务完成率

92.47%

SWE-Bench 解决率

72%

76%

平均单任务成本

$0.64

$0.35

如果你也在为智能体的 token 账单发愁，欢迎到 tierflow.cn 了解更多。这篇文章里的每一笔账，都是 TierFlow 每天在算的账。目前官网限时充值就送30元额度，每邀请一人赠送20元额度，邀请人数不设上限。

LAST

FINAL WORDS · 信任和收入

回到中国模型的20周领先，它的意义不在于宣布能力竞争结束，而在于说明：在一个重要的开放 API 市场里，开发者愿意把大量工作交给这些模型。接下来要做的，是把这种使用变成持续的信任和收入。

月底核算时，模型叫什么、发布时拿过第几名，都只是参考。更具体的问题是：这个月交付了多少工作，出了多少次错，还有多少活最后需要人来补。中国大模型能否继续扩大优势，要在这些问题上给出答案。

编辑说明：本文将“全球调用量”收窄为 OpenRouter 平台口径；“连续20周”及9月7日至13日的数据按公开报道引用，不表述为截至9月21日的最新周榜。原稿中未能可靠核实的个人引语、部分融资和政策消息，以及容易混淆统计范围的份额数字，未予沿用。

参考来源

[1] Radar Digital — Chinese models advance on OpenRouter with lower-cost AI　[2] OpenRouter — LLM Rankings　[3] Artificial Analysis — LLM Leaderboard　[4] Anthropic — Building Effective AI Agents　[5] Reuters Breakingviews — China's brutal AI economics hold lessons for US（2026-09-16）　[6] OpenRouter Docs — Prompt Caching　[7] OpenRouter — DeepSeek V4.1 Flash

本文为原创深度分析，转载请注明出处