开源权重模型占据71.5%的token流量和23%的支出（7分钟阅读）

# 开放权重模型占据 71.5% 的 token 量和 23% 的支出 来源：https://vercel.com/blog/ai-gateway-production-index-october-2026 *AI Gateway 生产指数 — 2026年10月* 每个月，AI Gateway（https://vercel.com/ai-gateway）在生产应用和 AI 实验室之间路由数十万亿个 token。这些流量让我们能够了解当今企业中 AI 使用的真实面貌，并每月在此发布报告。请参阅 [7月](https://vercel.com/blog/ai-gateway-production-index-july-2026)、[8月](https://vercel.com/blog/deepseek-overtakes-google-on-volume-cost-per-token-falls) 和 [9月](https://vercel.com/blog/ai-gateway-production-index-september-2026) 的生产指数报告。 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#october-2026-summary-)2026年10月总结 - **开放权重模型现在处理超过七成的网关 token，并占据近四分之一的支出。**其支出份额自6月以来已增长超过四倍。 - **9月的网关支出约为12月的13倍，而平均每 token 价格下降了47%。**近三分之一的团队在9月更换了最常用的实验室，创指数纪录。 - **9月近70%的中国模型网关支出通过美国本土服务商完成，**而12月这一比例不到10%。 - **Jev 是 AI Gateway 历史上采用最快的模型，前两周就覆盖了35%的付费团队，**但在同一时期仅占网关支出的0.27%。Opus 5.5 在自己的前两周就占据了超过一成的网关支出，是9月所有模型发布中支出份额最大的。 8月，开放权重模型首次在 AI Gateway 的 token 总量中占据多数。现在资金也在跟进。开放权重模型的支出份额在过去三个月中增长超过四倍，从6月的网关支出二十分之一增至9月的近四分之一。 开放权重模型的增长来自其价格范围的两端，与整个网关的趋势一致。最便宜的模型驱动 token 增长，而昂贵的模型驱动支出增长。 以 Kimi K3 为首，价格至少为开放权重平均成本四倍的模型占开放权重支出增长的约三分之二。 相比之下，仅 DeepSeek-v4.1-Flash 一个模型就处理了9月近一半的 token，但仅占2.6%的支出。其每 token 价格约为开放权重平均水平的五分之一。 自12月以来，前沿模型的支出增长了10倍；开放权重模型的支出增长了70多倍。 在9月，增加开放权重模型支出的团队中，有68%同时也增加了封闭权重模型的支出。已有超过五分之二为前沿模型付费的团队在9月增加了对前沿模型的投入，这是今年的最高比例。 前沿模型的支出仍在增长，但替代方案的增长更快。一家公司可以在更多使用前沿实验室的同时减少对其的依赖——实验室获得了更多的钱，但在客户业务中占的份额更小。 ## 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#ai-spend-increases-13x-while-the-cost-per-token-halves)AI 支出增长13倍，而每 token 成本减半 市场份额正在一个变得更大、更便宜的市场内部发生转移。 9月的网关支出约为12月的13倍，增长了1,180%，而平均每 token 价格下降了47%。在12月和9月都有活动的付费客户中，中位数客户的支出翻了一倍以上。 团队花得更多了，但实验室必须持续赢得他们的业务。在9月，近一半的团队更换了最常用的模型。近三分之一的团队更换了最常用的实验室，创下指数纪录。 即使是 token 量较低的团队也使用了广泛的模型组合。自12月以来，处理了至少1,000万个 token 的团队平均使用了15个不同的模型。处理了至少1亿 token 的团队平均使用26个，处理了至少10亿 token 的团队平均使用42个。 模型正在成为更大投资中一个可替换的部件。公司可以在更换驱动其 AI 产品和工作流的模型的同时，持续改进产品和流程。他们可以在不更加依赖任何单一实验室的情况下增加 AI 支出。 ## 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#chinese-models-are-big-business-for-american-providers)中国模型是美国服务商的大生意 9月超过三分之二的中国原产模型网关支出流向了美国本土服务商，而12月这一比例不到十分之一。中国实验室构建模型；美国服务商运营并销售访问权限。 DeepSeek 的模型处理了58%的网关 token，但仅占6.6%的支出。其中超过五分之四的 token 由 DeepSeek 自行提供，但其模型支出中的五分之二通过美国本土服务商完成。 Moonshot AI 是 Kimi 背后的北京实验室，在9月占网关 token 的3.6% 和支出的13.2%。美国本土服务商提供了其中九成的 token。 Z.ai 同样位于北京，是 GLM 的创建者，占所有 token 的7.2% 和支出的4.5%。美国本土服务商提供了其中七成。 客户可以通过美国服务商销售的访问权限使用中国模型。对于9月增加中国模型支出的团队，其在这些模型上平均53%的支出通过美国本土服务商完成，41%通过中国本土服务商。 同一个中国模型可以在与美国本土模型竞争的同时，为美国本土服务商创造收入。 ## 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#september-model-launch-scorecard:-jev,-opus-5.5,-and-gpt-6)9月模型发布记分卡：Jev、Opus 5.5 和 GPT-6 一个模型发布是否成功取决于衡量标准：被尝试的广度、获得的使用量和支出，或初始用户的回访率。我们根据这些指标对9月所有至少有两周数据的模型发布进行了排名；表格展示了每个指标的前十名。完整记分卡在报告末尾。 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#jev-is-the-most-adopted-and-most-called-model)Jev 是采用率最高、调用量最大的模型 在前两周内，Jev 覆盖了超过三分之一的付费团队，几乎是第二名 Sonnet 5.5 覆盖范围的两倍。这是 AI Gateway 历史上最快的模型采用速度。 Jev 在9月收到的请求量也是所有模型中最多的，尽管它是在月中发布的。在第一周尝试了 Jev 的团队中，55.6% 在第二周返回，回访率排名第五。 Jev 是一个决策模型。与典型的语言模型请求相比，Jev 请求更快、更便宜，且使用的 token 仅为一小部分。因此尽管其采用速度快、范围广，仅占当月 token 的1%和支出的0.15%。 在9月，Jev 迅速成为生产环境中流行的模型，但在推理账单中只占很小一部分。 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#opus-5.5-takes-more-than-one-in-ten-gateway-dollars)Opus 5.5 占超过一成的网关支出 获得最多资金的发布是 Opus 5.5，其份额是9月任何其他发布的两倍以上，其次是 GPT-6 Astra 和 DeepSeek-v4.1-Flash。 Opus 5.5 迅速走红，近九成支出来自已经在使用 Opus 5 的团队。现有客户在尝试新版本的同时，更广泛的 Opus 系列正在失去市场份额。 在所有版本中，Opus 在9月占网关支出的近三分之一，低于8月的二分之一。Anthropic 的整体份额首次降至总网关支出的一半以下，从63.7%降至43.9%。 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#luna-brought-users-back;-astra-brought-spend)Luna 留住了用户；Astra 带来了支出 GPT-6 Luna 在前两周覆盖了近每二十个付费团队中的三个，排在 Jev 和 Sonnet 5.5 之后位列第三。但其回访率是当月最高的；近三分之二在第一周尝试了它的团队在第二周返回。 GPT-6 Astra 覆盖的受众更小，但占据了更多预算。在其前两周内，约占网关支出的二十分之一；Luna 仅占不到百分之一。Luna 覆盖的团队数量几乎是 Astra 的三倍，而 Astra 占据了超过五倍的支出份额。 OpenAI 通过 Luna 吸引了更多客户，但通过 Astra 赚取了多得多的资金，尽管使用它的团队更少。 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#full-september-scorecard)9月完整记分卡 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#previous-ai-gateway-production-index-reports)往期 AI Gateway 生产指数报告 ### 复制标题链接 (https://vercel.com/blog/ai-gateway-production-index-october-2026#about-this-report)关于本报告 本报告使用截至2026年9月通过 Vercel AI Gateway 路由的匿名聚合流量数据。 关于测量的几点说明： - Token 量包括输入、输出、推理、缓存输入和缓存创建 token。 - 支出按公布的标价估算；实际账单可能不同。每 token 平均价格为估算支出除以 token 量。 - 开放权重分类依据当前 AI Gateway 模型列表，定义比早期报告更宽泛。 - 切换率比较的是在两个月中均有至少1,000万个付费 token 的付费团队。"最常用"按付费 token 衡量。 - 服务商所在地指公司总部所在地。 - 发布指标涵盖各模型前14天内的外部付费团队。覆盖率使用从发布当月开始到数据截止日活跃的付费团队。支出份额使用模型发布窗口期间的总付费网关支出。回访率是第一周使用的团队中在第二周再次使用的比例。 - 模型数量涵盖12月至9月，每个版本单独计算。团队规模阈值使用该期间的总输入和输出 token。 - 所有数据均使用最新的可用数据和协议；随着方法论的更新，往月数据可能被修订。 阅读更多关于我们的[方法论](https://vercel.com/ai-gateway/leaderboards/about)，并[探索或下载公开数据](https://vercel.com/ai-gateway/leaderboards/models)。