中国AI调用量连续20周压着美国打，凭什么

先搞清楚：调用量到底意味着什么？

“调用量”这个词，对不搞技术的读者来说可能有点抽象。

简单打个比方。假设你开了一家餐厅，有两个厨师。一个拿过米其林三星，但一道菜收你500块。另一个没拿过什么大奖，但手艺不差，一道菜收你15块。你每天要出1000份餐，你选谁？

大多数餐厅老板会选第二个。

AI模型的调用量，就是全球开发者和企业在“点餐”的次数。每一次你用AI写一段代码、生成一份文档、处理一条客户消息，背后就是一次“调用”，消耗一定数量的“Token”（可以理解成AI处理文字的最小单位）。

调用量越大，说明用的人越多。用的人越多，说明这个模型在真实工作场景里越被认可。

而今年的数据显示，全球开发者正在用脚投票，而且投得越来越坚决。

中国模型到底便宜多少？

说到“用脚投票”的原因，核心就一个字：账。

先看几组硬数据。

DeepSeek-V3.2模型每输出100万个Token收费0.28美元，而OpenAI的GPT-5.4收费15美元。差了50多倍。

这还不是最夸张的。9月发布的DeepSeek V4.1 Flash，约90%的调用来自缓存读取，实际调用成本降到了约0.006美元每百万Token，比同期相近模型便宜约5倍。

再看国内主流模型和国际同行的整体对比。按公开API价格计算，国内主流模型的平均定价约为国际同行的10%到20%。

有人做过测算，同样一项典型任务，选用不同模型的成本差距接近60倍。这不是省一点钱的问题，这是能不能规模化商用的问题。

一个开源项目的开发者对记者说了一句话很实在：今年初他还在用Claude作为核心工作调用模型，但5月开始全部切换为国内模型了。原因很简单——“大多数应用层的工作，国内模型已经能胜任，用不上最顶尖的海外旗舰模型。除非是复杂的底层任务，否则没有必要为顶尖模型支付数十倍的成本。”

便宜是有原因的，不是赔本赚吆喝

价格便宜是一回事，能持续便宜是另一回事。中国模型能把价格压到这么低，背后有三层逻辑。

第一层：架构上的“精打细算”。

国内主流大模型普遍采用了“混合专家”架构。这个技术听起来复杂，原理其实不难理解：传统模型处理任何任务都要动用全部“脑细胞”，而混合专家架构在处理具体任务时只激活相关的部分，不需要调用全部模型能力。

打个比方。传统模型像是一家公司所有部门一起开会讨论每个问题，混合专家架构则是把问题分发给最相关的部门去处理。效率提升了，成本自然降下来。

第二层：开源策略带来的生态效应。

中国头部模型厂商大量采用开源策略。阿里巴巴的千问系列已经开源了超过460个模型，衍生出超过30万个派生模型。这意味着全球开发者可以免费下载、修改、商业化这些模型，不需要支付高昂的API调用费用。

开源还带来另一个好处：模型可以被企业自主部署，在大规模调用场景下进一步降低单位推理成本，同时减少对外部API的依赖。

第三层：能源和基础设施优势。

英国《泰晤士报》科技商业编辑在分析中国AI成本优势时指出，除了开源模式和架构优化，中国电力供应更加充足也是一个重要因素。

AI训练和推理都需要大量电力。电价便宜，算力成本就低。这是个很朴素但很关键的竞争优势。

能力差距在缩小，价格差距还在拉大

有人可能会问：便宜是便宜，质量行不行？

这是个好问题。客观地说，在需要顶尖推理能力的任务上，海外旗舰模型确实还有优势。比如复杂科研计算、前沿数学推理这些场景，Claude和GPT系列仍然是首选。

但在实际工作场景中，情况正在快速变化。

Github上有一个叫xiaobei的开源项目，开发者坦言：大多数应用层的工作，国内模型已经能胜任了。只有在复杂的底层任务上，才需要动用海外旗舰模型。

有一组数据很能说明问题。2025年9月，美国厂商在OpenRouter上的合计份额约80%，中国厂商不足20%。到了一年后的今天，DeepSeek以25.4%的份额升至第一，中国厂商整体份额超过45%。

从配角到主角，只用了一年。

而且切换速度越来越快。2月发布的MiniMax M2.5，上线仅两周就拿下月度调用量第一。新模型一上线，流量几个小时内就能涌过去。这种“小时级迁移”说明开发者对模型的忠诚度，很大程度上取决于性价比，而不是品牌。

海外企业也在“偷偷用”

中国模型的渗透，远不止停留在开发者个人层面。

美国法律AI公司哈维发布了首个后训练模型Tenet，它是以中国月之暗面的Kimi K3为基础开发的。测试数据显示，经过专项训练的Tenet在合同起草、审查、谈判等法律实务任务中，完整完成的任务数量比原始Kimi K3模型增加了约20%。

美国AI编程平台Cursor的编程模型Composer 2，也是以Kimi K2.5为基础开发的。由OpenAI前首席技术官创办的思维机器实验室，在研发其开放权重模型Inkling时，采用了DeepSeek V3的混合专家架构技术路线，还使用Kimi K2.5生成了合成数据用于模型训练。

DoorDash、Airbnb这些大家熟悉的美国公司，也出现在中国模型的企业客户名单里。

据业内人士估计，目前约80%的美国AI初创企业利用中国的开源AI模型开展研发。

有些公司用得比较低调。有一家美国初创企业发布了一款号称具有“前沿级别编程智能”的新模型，很快被网民发现是基于中国开源模型开发的，但在发布公报里只字未提。美国科技媒体的分析很直接：除了可能因为自己没有从零开始打造模型而感到尴尬外，更担心的是在当前舆论环境下，承认基于中国模型开发会招来麻烦。

用归用，面子还是要的。

这盘棋真正的看点

把上面的信息串起来，有几个判断值得留意。

第一，中国AI赢在调用量，本质上是赢在“算账”。

企业和开发者在AI大规模落地的过程中，关注点已经从“谁最聪明”转向了“每一块钱能换来多少活”。瑞银把这个指标叫“Token ROI”。

当处理简单、高频、标准化任务时，模型的单位使用成本和响应速度比绝对能力更重要。正如一位研究者所说：“你并不总是需要一个诺贝尔奖得主来从收据中提取一个数字并放入电子表格中。”

第二，开源生态正在成为中国AI的护城河。

千问模型在Hugging Face上的下载量达到约20.45亿次，是Google模型下载量（约4.18亿次）的近5倍，Meta模型下载量（约2.27亿次）的9倍。开发者基于千问创建的衍生模型数量是Meta模型衍生数量的2.6倍。

一个被广泛采用的开源模型，可能成为成千上万个下游产品的基础。生态效应一旦形成，后来者很难替代。

第三，算力受限反而催生了效率创新。

在高端芯片供应受限的背景下，中国AI开发者通过优化模型架构、提升计算效率来弥补硬件差距。混合专家架构的广泛采用就是一个典型例子。

英伟达CEO黄仁勳自己也承认，中国市场并不会因算力不足而受限，因为中国拥有丰富的能源资源和将更多处理器组合在一起的能力。他还透露，受出口管制影响，英伟达在中国AI GPU市场的份额已经降到了零。

第四，能力追赶还在继续。

中国模型在智能指数榜上的排名正在逐年提升。智谱GLM-5.3已经排到全球第7，与第一名Fable 5.1的差距缩小到了8分。月之暗面的Kimi K3位列第9。Qwen3.8、DeepSeek V4.1 Flash和MiniMax M3分别排在第13、第14和第19位。

差距在缩小，而且缩小得很快。

结语：算力不是唯一变量

一年前，全球AI调用量前十榜单里只有2个中国模型。如今，中国模型连续20周领先，份额超过70%。

这件事最值得琢磨的地方在于：中国模型并不是在能力上实现了超越，而是在“用得起”和“用得好”之间找到了最佳平衡点。

对大多数企业和开发者来说，AI已经从“试一试”变成了“天天用”。天天用的东西，最看重的不是偶尔的惊艳，而是稳定的性价比。

这就像买车。法拉利确实快，但大多数人上班通勤选的是丰田。不是因为丰田比法拉利好，而是因为每天开的话，丰田更划算。

中国大模型正在成为全球AI市场的“丰田”——不是最炫的，但是最实用的。

而这个市场的规模，远比“谁最聪明”的讨论要大得多。