通常一個團隊拿模型做東西，手上的任務會有輕有重。有些真的得用最強、最貴的模型才能完成；有些沒那麼吃重，能穩穩做完就好。OpenRouter 最近那段用量變化，比較像是在記錄後面這批工作慢慢被分出去。

OpenRouter 看到的 30%

根據 CNBC 7 月 7 日的報導，這個比例算的是「美國公司經 OpenRouter、用在中國 AI 模型上的 token」。OpenRouter 是讓開發者接上各家模型的閘道，這裡計入的，就只有從這個入口送出去的用量。

把時間拉開看，變化的幅度才清楚：2025 上半年，這個比例還在 4.5%；再往後推，前十二個月的平均是 11%；到了 2026 年 2 月 8 日之後，每一週都在 30% 以上，中間最高到過 46%。只是它記下的，是一個閘道裡的 token 往哪裡去，不是整個市場的全貌。

而且這組數字也沒有交代，那些 token 送去做的是客服、摘要、寫程式，還是別的什麼。看得到的就是流向，再往下的細節，這裡沒有。

把哪些工作分出去

真正在動的，是團隊每接一項任務時的那個判斷。照 Vercel 的 Harpreet Arora 對 CNBC 的描述，做法很直接：先看這件事需不需要最好的模型，不需要，就把它送去一個夠好、又便宜得多的模型。他的說法是「這裡是價格在起作用」，而最近這一波從中國出來的模型，剛好在這種取捨裡佔上風。這種按任務分級、把工作送去對應價位模型的做法，可以參考之前寫的相關文章：Token 成本的真相：分級，但別分太細。

會走到這一步，背景是美國幾家大實驗室最先進模型的 token 價格上升，用的公司開始碰到超出預期的成本。另一邊的落差不小：OpenRouter 負責資料與分析的 Justin Summerville 給 CNBC 的數字是，開源的中國模型可以比 Anthropic、OpenAI 的主力便宜 6 到 9 成。落差拉到這麼開，那些「夠好就行」的任務，會是最先被分去便宜模型的一批。

另外看採用速度，智譜的 GLM 5.2 是一個例子。這個模型 6 月發布，是 Vercel 在 2026 年追蹤到採用最快的一個：上線後的第一個完整週，每日 token 用量大約成長 27 倍，用它的客戶數大約成長 80 倍。

不過 Vercel 這一筆，跟 OpenRouter 那 30%，量到的並不是同一件事。Vercel 算的是單一模型在一個部署平台上的採用曲線；OpenRouter 算的是一個閘道裡各家 token 的佔比。兩邊都在說中國模型的用量往上抬，方向一致，可是底下數的東西不一樣。

換一個地方看，畫面也會不同：在專做受監管產業的代理平台 LaunchLemonade 上，用量到現在還是 Claude 跟 ChatGPT 居多，GLM 5.2 已進入前五名（創辦人 Cien Solon 對 CNBC 這麼說）。而它被選用的理由，繞回去還是同一件事：這些模型是在某些特定的工作上成為選項，用在技術或商業上說得通的地方。

CNBC 6 月 26 日的報導把這整件事收成一句話，說最重要的指標，正在變成「每一塊錢買到多少智慧」。不同的工作，開始各自算一次價格。

六月的下架與解禁

價格之外，取用這邊，六月也晃過一輪。照 6 月 26 日那篇的順序：先是 Anthropic 在 Trump 政府的命令下，把 Fable Mythos 級的模型下架；OpenAI 也因為政府的要求，宣布要限制 GPT-5.6 這批模型。接著在同一個月裡，7 月 7 日的報導補上後續：Anthropic 的 Mythos 和 Fable，在雙方一輪緊繃的對峙之後，出口管制月內就解除了；至於 OpenAI 那項限制，7 月 7 日的報導引述時，沒有提到解除。

取用之所以會牽動選擇，6 月 26 日那篇講得也直接：當一個專有模型可能被一紙命令下架或限縮，一個誰也收不回去的模型，就愈來愈像比較保險的選項。GLM 5.2 正好是這種模型，可以免費下載、自己微調、擺進公司自己的伺服器裡跑。

Hugging Face 的機器學習負責人 Yacine Jernite 對 CNBC 的說法，把價格跟取用兩件事接了起來：美國的專有模型效能好、也貴，而它們的價格跟取用情況，都可能在短時間內變動。Arora 明確指出價格正在推動任務分流；至於取用波動影響了多少選擇，目前的資料沒有量化。兩件事擺在一起，還是足以讓團隊重新算一遍，到底哪些任務真的非最貴的模型不可。

OpenRouter 之外的採購，有沒有同樣的變化，這組資料沒有回答。這部分，還得另外找資料。