2026 OPENROUTER
BILLING_
BEATS_
BENCHMARKS.
MMLU 榜首换了一茬又一茬，但 OpenRouter 上周（5 月 18–24 日）真实结算的 28.9 万亿 Token 不会撒谎：DeepSeek-V4-Flash 以 3.43T 夺冠，中国模型周调用 9.22 万亿 连续四周压过美国。痛点：开发者被厂商 Benchmark 带节奏，账单却在为「低价高吞吐」模型投票。结论：Token 调用量是 AI 商业化的体温计；Anthropic 占约 12% 流量却揽 46% 美元收入，揭示「评测榜 vs 市场榜」的反转。结构预告：数据来源 → 全球总量 → Top 10 → 厂商双重真相 → a16z 反常识发现 → 五步路由 → 案例 → Mac 分流。
1. 痛点拆解：为什么账单比 Benchmark 更可信
1）基准测试可刷、调用量难刷：排行榜可以针对评测集调参，但每周向 OpenRouter 路由的万亿级 Token 代表真实生产负载——谁便宜、谁稳、谁适合 Agent，用户会用钱包投票。2）「最强」≠「最被用」：Claude Opus 在复杂推理上仍是标杆，但周 Token 量可能只有 DeepSeek Flash 的零头；企业为质量付溢价，大众为吞吐付流量。3）中美格局已翻转：2025 年初中国模型在 OpenRouter 流量占比不足 2%，2026 年 5 月已超 45%——若路由表仍只有 GPT/Claude 默认链，成本结构已落后于市场。4）编程已成最大单一用途：OpenRouter × a16z 联合报告显示，编程类任务 Token 占比从 2025 年初约 11% 飙升至超 50%——选型必须按场景拆链，不能押宝单一「全能王」。
2. 数据来源与统计方法
本文核心数据来自 openrouter.ai/rankings 公开排行榜，统计口径为按周（7 天滚动）Token 吞吐量，包含输入与输出。OpenRouter 作为全球最大中立 AI 模型 API 聚合平台，接入 300+ 模型、覆盖 60+ 供应商，月处理量约 100 万亿 Token 量级，超 800 万 用户——其周榜可视为「多厂商、多场景、多地区」的抽样全景。主快照周期：2026 年 5 月 18 日–5 月 24 日；6 月初平台周总量已进一步升至约 33T+（第三方追踪），趋势与 5 月末一致。交叉引用：每日经济新闻 2026-05-25、OpenRouter × a16z《2025 AI 使用报告》、Digital Applied 6 月解读。
3. 全球周总量：28.9 万亿 Token，连续五周上涨
| 指标 | 数据 | 环比 | 解读 |
|---|---|---|---|
| 全球周调用量 | 28.9 万亿 Token | +7.4% | 连续五周上涨，AI 推理进入规模化爆发 |
| 中国模型周调用 | 9.223 万亿 | +19.89% | 增速高于全球均值 |
| 美国模型周调用 | 4.93 万亿 | +16.27% | 仍增长，但份额被挤压 |
| 中美对比 | 中国 > 美国 | 连续四周 | 中国模型稳居全球周调用首位 |
| 一年量级变化 | 约 2.4T → 28.9T | 约 12× | 一年前周处理量仅为今日零头 |
数量级感知：若把 28.9 万亿 Token 粗算为「全球开发者一周向模型发出的工作量」，其规模已超过任何单一厂商发布会上的 demo 流量总和——这是商业化落地的硬指标，而非实验室分数。
4. 当周 Top 10 模型调用量排行
| 排名 | 模型 | 厂商 | 周 Token | 环比 | 特点 |
|---|---|---|---|---|---|
| 1 | DeepSeek-V4-Flash | DeepSeek（中国） | 3.43T | +66% | Agent 工作流首选，极低价格 |
| 2 | 腾讯 Hy3 Preview | Tencent（中国） | 3.07T | +16% | 限免结束后仍高增长 |
| 3 | Claude Sonnet 4.6 | Anthropic（美国） | 1.35T | — | 百万上下文，企业编程主力 |
| 4 | DeepSeek-V3.2 | DeepSeek（中国） | 1.31T | — | 低价长尾，角色扮演活跃 |
| 5 | Owl Alpha | OpenRouter | 1.15T | +29% | 免费 Agent 特化，百万上下文 |
| 6 | Gemini 3 Flash Preview | Google（美国） | 1.06T | — | 多模态，学术/医疗场景 |
| 7 | DeepSeek-V4-Pro | DeepSeek（中国） | 1.00T | — | 矩阵旗舰（系列合计约 5.74T） |
| 8 | MiniMax M2.7 | MiniMax（中国） | 806B | — | 长上下文性价比 |
| 9 | Grok 4.1 Fast | xAI（美国） | 721B | — | 2M 上下文，法律场景 |
| 10 | Step 3.5 Flash | StepFun（中国） | 673B | — | 快速低价，批处理 |
DeepSeek 多模型矩阵称霸：V4-Flash、V4-Pro、V3.2 三款同时进入前十，系列周调用合计约 5.74 万亿（环比 +25.9%），连续两周在厂商维度超越 Anthropic 与 Google。Kimi K2.6 前周曾居第 6，当周跌出前十——说明周榜波动快，必须按周追踪而非季度改一次路由。
5. 厂商格局：Token 量 vs 美元收入的「双重真相」
| 分层 | 代表 | Token 特征 | 收入特征 | 典型场景 |
|---|---|---|---|---|
| 高价值·低流量 | Claude Opus 4.6/4.7 | 份额下滑（约 12%） | 美元份额约 46% | 企业复杂推理、合规场景 |
| 性价比·中流量 | Gemini 3 Flash | 稳定增长 | 中等 ARPU | 多模态、学术文档 |
| 极低价·高流量 | DeepSeek / Hy3 / MiniMax | 合计占平台 45%+ | 收入占比远低于 Token 占比 | Agent、编程、批处理 |
Anthropic 溢价悖论：企业级用户仍为 Claude 付高价（Opus 月收入可达约 2500 万美元 量级报道），但流量主导权已让渡给低价开源矩阵。这不是 Anthropic「输了」，而是市场分裂为美元轨与Token 轨——Mac 团队应双轨配置：日常 Agent 走 Token 轨，架构/安全审计走 Dollar 轨（详见双轨读法文）。
6. 反常识发现：评测分数与市场份额的反转
OpenRouter 与 a16z 联合发布的《2025 AI 使用报告》覆盖约 100 万亿 Token 匿名元数据，核心发现令人不安：模型的基准测试分数与其实际市场份额几乎呈反比。原因并不神秘：开发者更关心推理成本、API 延迟与工具调用稳定性，而非极限单点分数；Agent 工作流需要可预测的吞吐，而非偶尔刷出的 SOTA。编程任务占比过半进一步放大这一效应——SWE-bench 高分模型若定价 $25/M output，在日均百万 Token 的 IDE 场景下会被 V4-Flash（约 $0.14/M 量级）迅速替代。结论：账单上的数字，比任何评测榜单都诚实。
7. 五步落地：把周榜写进 Mac 工作流
Step 1 — 每周一打开 rankings，存档 Top 10 diff
记录名次变化与周环比 >30% 的模型；新进前十（如 Owl Alpha）往往是下一波路由热点。
Step 2 — 按任务拆链，禁止「一个默认走天下」
Agent/批处理 → DeepSeek-V4-Flash；企业复杂推理 → Claude Opus；多模态 → Gemini Flash。IDE 与 OpenClaw 分开配置。
Step 3 — 标注 Mac 三档：本机 MLX / OpenRouter API / 远程 Mac
7B–32B 量化稳态 → 本机；1M 上下文与实验模型 → API；7×24 OpenClaw Gateway → 远程 Mac launchd 常驻。
Step 4 — 设 Dollar 轨月度预算上限
Opus/GPT 仅用于架构评审；月度 Token 超预算 15% 自动降级到 V4-Flash 或 Hy3。
Step 5 — 50 prompt 周更验收
同一套 prompt 在本机、OpenRouter、远程 Mac 各跑一遍，对比延迟、$/M 与 tool-call 成功率。
8. 深度案例：一家 6 人 Mac 团队如何用周榜把月费打下来
「团队原默认 Claude Sonnet 全场景，月 OpenRouter 约 $3,200。对照 5 月 18–24 周榜后：62% Token 切到 DeepSeek-V4-Flash（Agent + Cursor），18% Hy3 preview 灰度，12% Gemini 3 Flash 多模态，仅 8% 保留 Opus 做安全审计。四周后账单 $1,940（-39%），P95 工具调用延迟降 14%。关键动作：把 OpenClaw Gateway 迁到远程 Mac M4 Max 64GB，本机 16GB Air 不再 7×24 硬扛——统一内存留给 FCP 与 ComfyUI。」
案例印证大纲核心论点：不是谁最聪明，而是谁最被调用，才推动 AI 真正落地。投资者用周榜评估商业化进度（OpenRouter 估值曾达约 26× PS 量级报道）；开发者用它选模型；研究机构追踪行业趋势——Token 调用量已从「技术指标」升级为商业战场晴雨表。
9. 可引用数字与验收清单
① 全球周调用：28.9 万亿 Token（+7.4%）。② 中国模型周调用：9.223 万亿（+19.89%）。③ DeepSeek 系列合计：5.74 万亿。④ Anthropic：约 12% Token / 46% 美元收入。⑤ 一年周量级增长：约 12 倍（2.4T→28.9T）。⑥ 编程任务 Token 占比：11%→50%+。
验收清单： 周榜 Top 10 已截图 □ | Token/Dollar 双轨已拆分 □ | 三档分流已标注 □ | Dollar 轨预算上限 □ | 50 prompt 周更对照 □ | 远程 Mac Gateway 常驻 □ | 免费模型禁敏感数据 □
纯 Windows/Linux 或云主机同样能接 OpenRouter，但在与 Xcode、Final Cut、ComfyUI 并行、launchd 常驻 OpenClaw、Metal 侧车 MLX 验证的一体化工作流上，macOS 仍更顺滑。若你希望「本机稳态推理」与「周榜实验模型 + 万亿级 Agent API」物理隔离，避免 16GB 笔记本被 Gateway 占满统一内存，MACGPU 远程 Mac 节点可专跑 OpenClaw 与灰度路由，本机只保留 Cursor 审阅与 Dollar 轨——用租赁算力换可预测的月费与温控。