Open weight takes 71.5% of tokens and 23% of spend

开源模型占据71.5%的token和23%的支出 - Vercel

AI Gateway生产指数 — 2026年10月

每月，AI Gateway在生产应用与AI实验室之间路由数十万亿个token。这些流量让我们得以窥见当今企业实际的AI使用情况，并每月在此发布报告。查看7月、8月和9月的生产指数报告。

复制链接到标题 2026年10月摘要

• 开源模型现在处理的网关token超过十分之七，占近四分之一的支出。自6月以来，其支出占比已超过四倍增长。

• 9月网关支出约为12月的13倍，而每token均价下降了47%。几乎三分之一的团队在9月更改了最常用的实验室，创下了指数记录。

• 9月中国模型的网关支出中，近70%通过美国提供商，而12月这一比例不足10%。

• Jev是AI Gateway历史上采用速度最快的模型，在发布前两周就覆盖了35%的付费团队，但同期其网关支出占比仅为0.27%。Opus 5.5在发布前两周就占据了超过十分之一的网关支出，是9月所有模型发布中支出占比最高的。

复制链接到标题 前沿模型支出增长900%，支出占比下降22%

8月，开源模型首次处理了AI Gateway token流量的多数。资金现在开始跟进。过去三个月，开源模型的支出占比已超过四倍增长，从6月的二十分之一网关支出增长到9月的四分之一。

9月在开源token占比和支出占比上都创下了指数历史上最大的月度增幅。

开源模型的增长来自其价格区间的两端，且与整体网关趋势一致。最便宜的模型推动token增长，而高价模型推动支出增长。

由Kimi K3引领，单价至少为开源模型平均token成本四倍的模型，占据了开源模型支出增长的约三分之二。

相比之下，DeepSeek-v4.1-Flash单独处理了9月近一半的token，但仅占2.6%的支出。其每token价格约为开源模型均价的五分之一。

Kimi K3贡献了近一半的开源模型支出增长，而处理的token数量远少于DeepSeek-V4.1-Flash。

客户正在市场两端增加预算。自12月以来，前沿模型支出增长了十倍；开源模型支出增长超过七倍。

9月，68%增加开源模型投入的团队也增加了闭源模型投入。已有超过五分之二支付前沿模型费用的团队在9月支出高于8月，创下了今年最高比例。

前沿模型支出仍在增长，但替代方案支出增长更快。公司可以在依赖前沿实验室处理更少工作负载的同时增加支出，这样实验室获得的资金更多，但占客户业务的比例更小。

复制链接到标题 AI支出增长13倍的同时每token成本减半

在一个市场迅速扩大且成本大幅下降的市场中，市场份额正在易主。

9月网关支出约为12月的13倍，增长1180%，而每token均价下降47%。12月和9月都活跃的付费客户中位数支出超过翻倍。

支出在9月持续增长，代币量增速加快，每代币平均价格再次下跌。

团队支出增加，但实验室必须持续赢得业务。9月，近半数团队更换了最常用模型，三分之一团队更换了最常用实验室，创历史新高。

即使代币量较低的团队也使用多种模型。自12月以来，处理至少1000万代币的团队平均使用15种不同模型，处理至少1亿代币的团队平均使用26种模型，处理至少10亿代币的团队平均使用42种模型。

9月模型和实验室更换率连续第五个月上升。

模型正逐渐成为更大投资组合中可替换的一部分。企业可以在不依赖单一实验室的情况下，持续改进AI产品和工作流程，同时更换驱动模型。

复制链接到标题 中国模型为美国提供商带来巨大商业价值

9月中国起源模型的网关支出中，超过三分之二流向美国提供商，较12月不到十分之一的比例显著上升。中国实验室构建模型，美国提供商运行模型并销售访问权限。

DeepSeek模型处理了6.6%支出对应的58%网关代币，其中超过五分之四的代币由DeepSeek自身提供，但其模型支出中五分之二通过美国提供商完成。

基于北京的Moonshot AI（Kimi开发者）在9月贡献了3.6%网关代币和13.2%支出，其中十分之九的代币通过美国提供商服务。

同样位于北京的Z.ai（GLM开发者）贡献了7.2%代币和4.5%支出，其中十分之七通过美国提供商服务。

每通过中国提供商花费1美元，通过美国提供商购买中国模型需花费约2.5美元。

客户可通过美国提供商销售的访问权限使用中国模型。9月加大中国模型投入的团队中，其中国模型支出的平均53%通过美国提供商完成，41%通过中国提供商完成。

同一中国模型既可与美国模型竞争，又能为美国提供商创造收入。

复制链接到标题 9月模型发布评估：Jev、Opus 5.5和GPT-6

模型发布成功与否取决于衡量标准：使用广度、使用量和支出量，或初始用户回访率。我们根据这些指标对9月发布至少两周的模型进行排名，表格展示了各指标前十名。完整评估见报告末尾。

复制链接到标题 Jev是采用率和调用次数最高的模型

发布首两周内，Jev覆盖了超过三分之一付费团队，是第二名Sonnet 5.5的近两倍，创AI网关历史上最快采用纪录。

Jev在发布首14天内覆盖了35%付费团队，为指数历史上任何发布活动的最高覆盖率。

尽管Jev在月中发布，但9月调用次数最多。第一周尝试Jev的团队中，55.6%在第二周返回，回访率位列第五。

排名

实验室

模型

网关发布日期

覆盖范围

覆盖百分位

1

TypeSafe AI

Jev

9月17日

35.3%

99

2

Anthropic

Claude Sonnet 5.5

9月28日

18.1%

93

3

OpenAI

GPT-6 Luna

9月22日

14.9%

89

4

Google

Gemini 3.8 Flash

9月2日

13.2%

87

5

Claude Opus 5.5

13.1%

86

6

Z.ai

GLM-5.3-Flash

8月26日

9.5%

68

7

DeepSeek

DeepSeek-V4.1-Flash

9月8日

8.4%

62

8

GPT-6 Sol

6.9%

51

9

GPT-6 Astra

9月4日

6.6%

49

10

Claude Fable 5.1

9月1日

5.8%

38

Jev是一种决策模型。与典型的语言模型请求相比，Jev请求速度更快、成本更低且仅使用少量token。尽管其采用速度很快且范围广泛，但仅占当月token总量的1%和支出的0.15%。

9月，Jev迅速成为生产环境中的热门模型，但仍是推理账单中占比极小的部分。

复制链接到标题 Opus 5.5占据超过十分之一的网关支出

获得最多资金的模型是Opus 5.5，其支出占比是9月其他任何模型的两倍以上，其次是GPT-6 Astra和DeepSeek-v4.1-Flash。

支出占比

支出占比百分位

11.03%

92

4.86%

DeepSeek V4.1 Flash

4.19%

84

3.21%

80

2.25%

72

2.21%

71

xAI

Grok 4.7

9月21日

2.00%

1.94%

66

0.88%

0.60%

47

Opus 5.5迅速获得市场认可，已有使用Opus 5的团队贡献了近九成的支出。现有客户在试用新版本的同时，Opus系列整体市场份额却在下降。

Anthropic在9月失去了近20个百分点的网关支出份额，其中Opus占了17个百分点。

所有版本加起来，Opus在9月占据了近三分之一的网关支出，较8月的一半份额有所下降。Anthropic的总体份额首次跌破网关总支出的一半，从63.7%降至43.9%。

复制链接到标题 Luna吸引用户回归；Astra带来支出增长

GPT-6 Luna在发布前两周就覆盖了近五分之一付费团队中的三成，排名第三，仅次于Jev和Sonnet 5.5。但其用户回访率是当月最高的，首周尝试的团队中有近三分之二在第二周回归。

留存率

留存率百分位

64.8%

98

60.5%

90

60.3%

60.0%

55.6%

65

54.9%

51.0%

46.1%

50

45.8%

Meta

Muse Spark 1.3 Contributor

45.0%

46

GPT-6 Astra覆盖的用户群体较小但带来更高支出。其发布前两周就占据了近五分之一的网关支出，而Luna仅占不到百分之一。Luna覆盖的团队数量是Astra的三倍，但Astra的支出占比却是Luna的五倍以上。

9月，Luna处理了OpenAI网关token总量的一半以上，而Sol和Astra则占据了近四分之三的支出。

OpenAI通过Luna吸引了更多客户，但通过Astra获得了远超预期的支出，尽管使用Astra的团队数量更少。

复制链接到标题 9月完整表现评分

支出百分位

评分

18.1 %

3.2 %

60.5 %

87.8

2.2 %

81.3

13.1 %

11.0 %

54.9 %

79.9

14.9 %

0.9 %

79.4

8.4 %

4.2 %

60.3 %

78.4

35.3 %

0.3 %

34

55.6 %

65.9

6.6 %

4.9 %

61.9

6.9 %

2.3 %

46.1

58.0

9月26日

9.5 %

0.6 %

51.0 %

55.5

5.8 %

1.9 %

43.4 %

40

48.0

11

3.6 %

31

2.0 %

36.2 %

25

41.0

12

2.1 %

17

0.1 %

26

45.0 %

29.6

13

1.9%

0.1%

33.5%

22

14.2

14

阿里巴巴

Qwen3.8-Flash

2.4 %

20

0.0%

31.3 %

11.7

15

小米

MiMo-V2.6-Pro

28.0%

10.7

16

MiMo-V2.6-Flash

1.6%

21.3%

5.7

GLM-5.3-FlashX

9月18日

1.0 %

20.5%

3.2

18

Qwen3.8-Omni-Flash

0.8%

23.0%

2.2

复制链接到标题 前期AI网关生产指数报告

• 2026年5月

• 2026年6月

• 2026年7月

• 2026年8月

• 2026年9月

复制链接到标题 关于本报告

本报告使用了通过 Vercel AI Gateway 路由的匿名化、汇总流量数据，时间范围截至 2026 年 9 月。

关于测量的一些说明：

• 令牌量包含输入、输出、推理、缓存输入和缓存创建令牌。
• 消费估算基于公布的定价表；实际账单可能有所不同。每令牌平均价格估算为总消费额除以令牌总量。
• 开放权重分类遵循当前 AI Gateway 模型列表，其定义范围比早期报告更广。
• 切换率对比的是在两个月内付费令牌均达到至少 1000 万的付费团队。“最常用”按付费令牌数量衡量。
• 提供商所在地指公司总部所在地。
• 发布指标涵盖每个模型发布首 14 天内的外部付费团队。覆盖范围统计的是从发布月份开始至数据截止日期持续活跃的付费团队。消费占比使用模型窗口期内的总付费网关消费金额计算。复购率是指首周使用模型的团队在第二周再次使用的比例。
• 模型统计覆盖 12 月至 9 月，每个版本单独计数。团队规模阈值使用该时期内的总输入和输出令牌量计算。
• 所有数据均采用最新可用数据和协议；随着方法论更新，此前月份的数据可能会修订。

了解更多关于我们的方法论，或探索/下载公开数据。

贡献者

Eric Dodds , Christie Lin /