作者注：同一批中國開源模型，在門羅風投支出榜和 OpenRouter 請求榜中排名相反。本文拆解兩份榜單的統計口徑，並給出一套可以直接執行的 5 步選型方法。
11 月初出了兩份數據。門羅風投報告顯示，Kimi 拿走美國企業開源模型支出的 61%。OpenRouter 周榜顯示，DeepSeek 拿走平臺 29.8% 的文本請求。兩邊的第一名不是同一家，排名幾乎反過來。很多技術負責人第一反應是：到底該信哪一份？
結論是兩份榜單並不矛盾，它們衡量的是兩件事。支出榜看的是“企業把錢付給了誰”，請求榜看的是“開發者在某個平臺上調用了誰”。選型時不能挑一份榜單照抄，要按自己的任務類型和成本口徑來判斷。榜單隻能縮小候選範圍，不能替你完成選型。
這不是又一篇排名複述。本文會說明每份榜單的樣本、時間窗口和適用邊界，再講清楚“單價降、用量漲”對成本結構有什麼影響，最後給出一份 5 步選型清單。
開源模型榜單核心信息速覽：Kimi 與 DeepSeek 爲什麼各拿一個第一
結論先行：門羅風投量的是企業支出，OpenRouter 量的是平臺請求，兩者的樣本、時間和統計對象都不同。
這兩份數據經常被放在一起討論，可它們的“分母”完全不同。門羅風投的數據來自對美國企業 AI 決策者的問卷調查，屬於調查估算，不是審計賬單。OpenRouter 的數據來自它自己平臺上的請求統計，只能反映這個平臺的用戶行爲，不能代表全市場。
| 榜單 | 衡量對象 | 樣本/時間 | 關鍵排名 | 適合用來判斷什麼 |
|---|---|---|---|---|
| 門羅風投 2026 企業 AI 現狀報告 | 美國企業開源模型支出份額 | 近 400 名美國企業 AI 決策者，2026 年 9 月 8-26 日調研，11 月 3 日發佈 | Kimi 61%、DeepSeek 15%、GLM 11%、Meta Llama 7%、Qwen 3% | 企業採購偏好、預算流向、哪些模型進入了正式合同 |
| OpenRouter 周榜 | 平臺文本請求份額 | OpenRouter 平臺，10 月 26 日-11 月 1 日 | DeepSeek 29.8%、OpenAI 18.8%、Z.ai 11.9%、Qwen 5.6%（第六） | 開發者活躍度、價格敏感型調用、社區熱度 |
看錶就能發現，兩份榜單連“參賽選手”都不一樣。門羅只統計開源模型，OpenRouter 則把 OpenAI、Google 這樣的閉源廠商也算進去。直接拿兩個百分比對比，本身就是口徑錯位。
門羅風投支出榜怎麼讀：Kimi 拿走 61% 開源模型支出
結論先行：門羅風投的數據說明中國開源模型已經進入美國企業預算，但它是調查估算，不是能力排名。
報告最受關注的數字是：中國模型佔美國企業開源模型支出的 89%。其中 Kimi 一家就佔 61%，DeepSeek 15%，GLM 11%，Qwen 3%。非中國模型裏，Meta Llama 佔 7%。
| 模型 | 美國企業開源模型支出份額 | 閱讀要點 |
|---|---|---|
| Kimi | 61% | 份額最高，可能與企業採購渠道和單價有關 |
| DeepSeek | 15% | 支出排第二，但調用側更活躍 |
| GLM | 11% | 穩定進入企業預算 |
| Meta Llama | 7% | 非中國開源模型中份額最高 |
| Qwen | 3% | 支出份額較小，調用側有一定存在感 |
把這些數字放回全局會更清楚。報告估算全球企業 AI 部署支出年化約 1768 億美元，三年增長超過 100 倍。前沿實驗室佔部署支出的 69%，開源模型在整體模型支出中只佔 4%。所以“Kimi 拿 61%”說的是開源這一小塊裏的 61%，不是整個企業 AI 市場的 61%。
另外，問卷數據依賴受訪者對自家預算的估計，近 400 個樣本也只覆蓋美國企業。合理的讀法是：這份數據說明了企業採購的方向性趨勢，具體比例屬於調查估算，有待更多數據驗證。
OpenRouter 請求榜怎麼讀：DeepSeek 拿走 29.8% 請求
結論先行：OpenRouter 周榜反映的是這個平臺上開發者的調用熱度，可以看趨勢，但不能代表全市場份額。
10 月 26 日至 11 月 1 日這一週，DeepSeek 以 29.8% 的文本請求份額排第一，環比增長 7%。OpenAI 以 18.8% 排第二，Google 的份額從 14.4% 下滑，Z.ai 以 11.9% 排第四，Qwen 以 5.6% 排第六。
| 排名信息 | 廠商 | 請求份額 | 變化 |
|---|---|---|---|
| 第 1 | DeepSeek | 29.8% | 環比 +7% |
| 第 2 | OpenAI | 18.8% | — |
| 下滑 | 從 14.4% 下降 | 份額回落 | |
| 第 4 | Z.ai | 11.9% | — |
| 第 6 | Qwen | 5.6% | — |
還有兩條趨勢值得注意。中國模型的 token 調用量已經連續 27 周超過美國模型，單模型周調用量前五里，中國模型佔了四席。同期 DeepSeek 把模型升級到 DeepSeek V4.1-Flash-1017，API 調用方式和價格都沒有變化，這對已經接入的開發者來說遷移成本很低。
穩定性方面也要留意。11 月 3 日，DeepSeek 的網頁端和 API 出現過約 1 小時的部分中斷。調用量大不代表永遠可用，這正是後面要講的“留備用模型”的理由。新版本上線後，具體模型 ID 和計費以 API易 apiyi.com 控制檯的模型列表爲準。
爲什麼開源模型支出榜和請求榜排名相反
結論先行：排名相反主要由單價、採購方式、免費額度、任務匹配和平臺口徑五個因素造成，不說明哪一份榜單“錯了”。
支出份額大致等於“調用量 × 單價”，再疊加合同和採購因素。請求份額只數調用次數，不管每次花多少錢。如果一個模型單價更高、企業願意籤採購合同，它在支出榜上就會靠前。如果一個模型單價低、開發者用得多，它在請求榜上就會靠前。
| 影響因素 | 對支出份額的作用 | 對請求份額的作用 |
|---|---|---|
| 單價 | 單價高，同樣用量花費更多，支出份額被放大 | 單價低吸引更多試用，請求量上升 |
| 企業採購 | 合同、私有化部署、服務協議計入支出 | 不一定經過 OpenRouter，平臺上看不到 |
| 免費額度 | 免費調用不產生支出 | 免費調用會計入請求量 |
| 任務匹配 | 長文檔、Agent 等高 token 任務推高花費 | 短對話、批量小任務推高次數 |
| 平臺口徑 | 只覆蓋受訪的美國企業 | 只覆蓋 OpenRouter 用戶 |
按這個框架看，Kimi 可能在企業採購渠道和單價上更有優勢，所以支出份額高。DeepSeek 單價更低、開發者社區活躍，所以請求量大。這是基於口徑的合理推測，兩份報告本身沒有給出逐項拆分。
還有一個經常被忽略的細節：同一個模型的不同版本、不同接入渠道、不同緩存命中率，都會讓支出和調用數字出現偏差。一個團隊如果大量命中緩存，請求次數照樣計入，但實際支出會低很多。
開源模型價格與用量：單價降約 7 成、用量漲 22.5 倍意味着什麼
結論先行：單價下降不等於總成本下降，按“完成一個任務的成本”比較，比按每百萬 token 單價比較更可靠。
門羅報告裏有一組關鍵數字：平均 token 價格從 0.45 美元/百萬 token 降到 0.13 美元/百萬 token，降幅約 7 成，同期用量增長了 22.5 倍。按這兩個數字粗略推算，總花費不降反升，大約是原來的 6.5 倍。這只是基於報告平均值的示意計算，各團隊的實際情況會有差異。
開源模型的情況更典型。開源模型佔企業 token 用量的 19%，卻只佔模型支出的 4%。也就是說，大量 token 跑在便宜的開源模型上，但錢主要還是付給了前沿閉源模型。
對開發者來說，單價下降會刺激更多調用，Agent 和批量任務尤其明顯。真實成本還要考慮下面幾個變量：
- 緩存命中：重複的系統提示詞和長上下文能否命中緩存，直接決定實際單價。
- 上下文長度：長文檔任務的輸入 token 往往遠多於輸出。
- 重試次數：輸出不穩定、格式出錯導致的重試，會讓成本成倍增加。
- 工具調用輪次：Agent 任務一次可能來回十幾輪，單價低但輪次多。
比較價格時，建議先在 API易 apiyi.com 控制檯查看候選模型的列表價格和計費方式，確認輸入、輸出、緩存分別怎麼算。然後用自己的任務跑一小批樣本，把“完成一個任務花了多少錢”算出來，這個數字比列表單價更有參考價值。
開源模型選型方法：用榜單縮小範圍，用任務做決定
結論先行：榜單負責給出候選名單，最終決策要靠任務匹配、成本、穩定性和小樣本驗證。
選型可以按“任務 → 成本 → 穩定性 → 驗證 → 備用”的順序推進。下表列出了每個維度要問的問題和驗證方法。
| 維度 | 要問的問題 | 怎麼驗證 | 對成本的影響 |
|---|---|---|---|
| 任務匹配 | 主要是編程、長文檔、多模態，還是 Agent 工具調用？ | 準備 30-100 條真實任務樣本，人工評估輸出 | 匹配度低會增加重試和人工修改 |
| 單價與緩存 | 輸入、輸出、緩存命中分別多少錢？ | 查控制檯模型列表與計費說明，統計緩存命中率 | 決定每百萬 token 的實際單價 |
| 上下文 | 最長輸入多長？超長後效果是否下降？ | 用最長的真實文檔測試截斷和召回 | 長上下文直接推高輸入 token |
| 限流 | 併發和每分鐘請求上限夠不夠？ | 按峯值流量做壓測 | 被限流時需要排隊或切換，影響時延 |
| 地區可用性 | 部署地區能否穩定訪問？ | 在生產所在地區實際調用 | 不可用就要另找渠道 |
| 穩定性 | 近期有沒有中斷？恢復要多久？ | 查故障歷史，觀察錯誤率日誌 | 中斷會造成重試成本和業務損失 |
多模型對比是這一步最耗時的地方。如果每個候選模型都要單獨註冊、單獨對接 SDK，光是接入就要花好幾天。通過 API易 apiyi.com，一個 API Key 就能調用 OpenAI、Claude、Gemini 以及 DeepSeek、Kimi 等多家模型。接口兼容 OpenAI 格式，把 base_url 設爲 https://api.apiyi.com/v1，在請求裏改 model 參數就能切換模型，同一批樣本可以很快跑完橫向對比。
穩定性這一項不能只看廠商公告。DeepSeek 11 月 3 日的中斷提醒我們，任何單一模型都可能臨時不可用。在 API易 apiyi.com 控制檯可以按模型查看用量和調用日誌，錯誤率、時延、token 消耗都有記錄，適合在金絲雀階段觀察候選模型的真實表現。平臺採用多節點部署和智能路由，並提供自動降級。業務側再配置一個備用模型，主模型出錯時切到備用模型，就能把單點故障的影響控制在較小範圍。
金絲雀發佈建議從 1%-5% 的真實流量開始，持續觀察幾天的錯誤率、時延和單任務成本。數據穩定後再逐步放量，不要看完榜單就一次性全量切換。
開源模型榜單常見問題 FAQ
結論先行：下面 5 個問題覆蓋了讀開源模型榜單時最常見的誤區。
Q1：Kimi 支出份額 61%，是不是說明 Kimi 模型更好？
不是。支出份額反映的是錢流向了誰，會受單價、企業採購合同和渠道影響，和模型能力沒有直接對應關係。而且門羅數據是調查估算，口徑只覆蓋美國企業的開源模型支出。“支出第一”不等於“能力第一”，能力要用你自己的任務來評估。
Q2：OpenRouter 請求排名能代表企業採購嗎？
不能。OpenRouter 統計的是自己平臺上的請求份額，用戶以開發者和中小團隊爲主。企業的直籤合同、私有化部署和其他渠道都不在統計範圍內。它適合觀察開發者熱度和價格敏感型調用的趨勢，不適合推斷企業預算分佈。
Q3：單價低的模型，總成本一定低嗎？
不一定。如果單價低的模型需要更多重試、更長的提示詞或更多工具調用輪次，總 token 消耗可能反而更高。建議按“完成一個任務”來算成本：在 API易 apiyi.com 控制檯查看每次調用的 token 用量和費用日誌，對比不同模型完成同一批任務的總花費。
Q4：開源模型能完全替代閉源模型嗎？
要看具體任務。門羅數據顯示開源模型承擔了企業 19% 的 token，但只佔 4% 的支出，說明很多團隊把批量、常規任務交給開源模型，複雜任務仍留給前沿閉源模型。比較穩妥的做法是混合使用：通過 API易 apiyi.com 用同一個 Key 同時接入開源和閉源模型，再按任務難度分流。
Q5：開源模型榜單多久看一次比較合適？
周榜可以每月瀏覽一次，看趨勢而不是追單週波動。年度或季度調查報告發布時細讀一次，關注口徑和樣本有沒有變化。真正影響你決策的，是自家業務指標的持續監控，比如錯誤率、單任務成本和用戶反饋，這些建議按周覆盤。
開源模型榜單解讀總結：5 步選型清單
結論先行：兩份榜單量的是兩件事，讀榜單的正確姿勢是先問口徑、再看樣本、最後用自己的任務驗證。
核心要點回顧：
- 支出 ≠ 調用：門羅量企業支出，OpenRouter 量平臺請求，分母不同，不能直接比較。
- 調查 ≠ 審計：門羅數據是近 400 名美國企業決策者的調查估算，OpenRouter 只代表自己的平臺。
- 便宜 ≠ 省錢：單價降約 7 成、用量漲 22.5 倍，總花費反而上升，要按任務成本來算。
- 熱門 ≠ 穩定：調用量第一的模型同樣會中斷，備用方案必須提前準備。
- 榜單隻能縮小候選範圍，不能替你完成選型。
下面這份清單可以直接用於下一次模型選型：
- 定任務：寫清楚主要任務類型（編程、長文檔、多模態、Agent），整理 30-100 條真實樣本和評估標準。
- 列候選：參考支出榜和請求榜各取 2-3 個模型，再加 1 個閉源模型作爲基準，候選控制在 3-5 個。
- 算任務成本：用同一批樣本跑所有候選，記錄 token 用量、緩存命中、重試次數，算出單任務成本和質量得分。
- 跑金絲雀：選出的模型先承接 1%-5% 的真實流量，觀察幾天的錯誤率、時延和成本，達標後再放量。
- 留備用：至少配置一個不同廠商的備用模型，寫好切換規則，並定期演練。
如果想把第 3 步到第 5 步放在同一個入口完成，可以通過 API易 apiyi.com 用一個 Key 接入候選模型，在控制檯對照價格、用量與日誌，再結合平臺的自動降級能力設置備用切換。新用戶有免費測試額度，適合先跑小樣本驗證。
本文數據來源
- 門羅風投 2026 企業 AI 現狀報告：2026 年 11 月 3 日發佈
- 鏈接：
menlovc.com -
說明： 企業 AI 支出、開源模型支出份額與 token 價格變化，屬於調查估算
-
OpenRouter 模型排行榜：2026 年 10 月 26 日-11 月 1 日周榜
- 鏈接：
openrouter.ai/rankings - 說明： 平臺文本請求份額與 token 調用趨勢，僅代表該平臺
作者: APIYI 技術團隊
技術交流: 模型選型中遇到價格、限流或切換方面的問題，歡迎在 API易 apiyi.com 首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心
