47号_国产大模型全球调用量登顶_AI办公三国杀

LDZKKJ

225人浏览 · 2026-08-13 09:41:47

LDZKKJ · 2026-08-13 09:41:47 发布

国产大模型全球调用量登顶：AI办公三国杀背后的成本革命与生态之战

点点词元技术专栏 · 第47号

摘要：2026年8月，两则数据在全球AI行业引发震动：DeepSeek V4-Flash单日消耗8.83万亿Token登顶OpenRouter全球调用榜，OpenRouter前五席位全部被中国模型包揽；与此同时，腾讯WorkBuddy、字节飞书豆包、阿里千问办公三大AI办公产品同日宣布重大更新，中国AI办公赛道正式进入"三国杀"格局。一边是国产模型在开发者调用量上首次全面超越GPT和Claude，一边是三大巨头在B端办公市场贴身肉搏——这两个看似独立的事件，背后指向同一个产业拐点：中国大模型正在从"能力追赶"走向"商用爆发"，而决定胜负的不再是参数规模，而是成本结构和生态壁垒。 本文拆解这场双重战争的技术逻辑、商业博弈和开发者机遇。

一、8.83万亿Token：一个标志性的数字

1.1 数字背后的爆发

8月1日，DeepSeek V4-Flash在OpenRouter平台上创下了一个惊人的记录：单日消耗8.83万亿Token。

其中5万亿来自免费额度，3.83万亿来自OpenCode Go付费用户。OpenCode创始人在社交平台发帖后，获得79.8万次浏览，直接把 #DeepSeek一天干掉了全人类的阅读量 送上热搜。

这是什么概念？

据研究估算，人类有史以来所有书面文本的总量约为300万亿Token。DeepSeek V4-Flash一天"吃掉"的Token量，相当于全人类书面文明的大约三十分之一。

1.2 OpenRouter前五全是国产模型

更震撼的是整体排名。OpenRouter最新周度Token调用榜显示：

排名	模型	厂商	日均Token调用量
1	DeepSeek-V4-Flash	DeepSeek	8.83万亿
2	Qwen3.8-Max	阿里巴巴	—
3	Kimi K3	月之暗面	—
4	GLM-5.2	智谱AI	—
5	Seedance 2.5	字节跳动	—
6+	GPT-5.6系列	OpenAI	被挤出前五

国产大模型包揽前五名，这是历史上第一次。

这意味着什么？在全球开发者最常用的模型聚合平台上，中国模型的商用热度已经全面超越了GPT和Claude系列。

1.3 为什么是DeepSeek V4-Flash？

DeepSeek V4-Flash登顶并非偶然，而是一次精准的产品定位胜利：

MoE架构：总参数284B，激活参数仅13B，推理成本极低
100万Token上下文：满足绝大多数长文档处理需求
后训练重做：Agent能力超越4月发布的Pro Preview版本
定价策略：被称为"只收电费钱"，性价比碾压

梁文锋的DeepSeek，曾经是让整个AI行业降价的"价格屠夫"。现在，它用V4-Flash证明了：在开发者市场，成本效率才是王道。

二、成本革命：4B模型追平GPT-5.6 Sol

2.1 一个令人震惊的实验

Neon与Castform联合发布了一个实验结果：

一个4B参数的开源模型，经过RL后训练后，在检索任务上的准确率追平了GPT-5.6 Sol，但每次请求成本仅为1/100。

不是追平GPT-3.5，不是追平GPT-4，是追平GPT-5.6 Sol——目前OpenAI最强的推理模型之一。

4B参数 vs 可能数万亿参数的GPT-5.6 Sol，成本相差100倍，但在特定任务上效果相当。

这说明什么？

参数规模不再是唯一答案。 小模型 + 精准后训练 = 大模型的命。

2.2 MoE架构的成本魔法

国产模型集体爆发的技术底座，是MoE（Mixture of Experts，混合专家）架构的成熟：

模型	总参数	激活参数	激活比例
DeepSeek V4-Flash	284B	13B	4.6%
Qwen3.8-Max	2.4T	95B	4.0%
Kimi K3	2.8T	~280B	~10%

MoE的核心逻辑是：训练时保留海量参数存储知识，推理时只激活一小部分"专家"处理当前任务。

这意味着：

训练成本高（需要大量参数）
推理成本低（每次只激活一小部分）
性价比极高（适合大规模商用）

2.3 价格战已经打到地板

看看当前的API定价（每百万Token）：

模型	输入价格	输出价格	备注
DeepSeek V4-Flash	约¥1	约¥4	“只收电费”
Qwen3.8-Max	¥12	¥36	Max级首次开源
GPT-5.6 Luna	$0.20	$1.20	OpenAI免费版
Claude Opus 5	$5	$25	Anthropic旗舰

国产模型的价格，已经是海外模型的1/10到1/100。

这不是简单的"便宜"，而是一次成本结构的革命。当推理成本下降两个数量级，很多原本"不划算"的AI应用场景变得可行了。

三、AI办公三国杀：三大巨头同日开打

3.1 三方的底牌

2026年8月，中国AI办公赛道正式进入"三国杀"格局：

腾讯WorkBuddy

月访问量：2097万次（超第二第三名总和）
核心壁垒：微信生态导流
马化腾亲自盯产品会议
定位：C端入口 + 轻量办公

字节飞书豆包

组织架构：飞书产品团队并入豆包
核心能力：Seedance 2.5（视频生成SOTA）
商业数据：飞书新增客户90%+同步采购AI产品
定位：B端办公 + AI原生

阿里千问办公

基座模型：Qwen3.8-Max（2.4T参数，全球Agentic Index第一）
生态打通：钉钉IM + 淘宝 + 支付宝 + 高德
千问月活：3亿+
定位：企业级全栈AI办公

3.2 各自的护城河

腾讯：微信生态的降维打击

WorkBuddy的核心优势不在模型能力，而在微信生态。

当其他产品还在想怎么让用户下载App、注册账号时，WorkBuddy直接在微信小程序里就能用。用户不需要改变任何习惯，打开微信就是AI办公。

月访问量2097万次，超过第二名和第三名的总和——这就是微信生态的恐怖之处。

字节：从"玩具"到"生产力工具"

Seedance 2.5有一个有意思的数据：调用量"工作日远高于周末"。

这说明它已经从"周末在家玩玩"的玩具，变成了"工作日真正在用"的生产力工具。

飞书新增客户90%以上同步采购AI产品，说明字节的B端商业化正在跑通。

阿里：全栈AI的生态协同

阿里的打法是"全栈"：

底层：阿里云 + AI芯片
中间：Qwen大模型
上层：千问Agent + 办公产品
外围：淘宝、支付宝、高德等真实业务

用户一句话，搜索、比价、支付、物流可以串成一条任务链。这是纯模型公司做不到的。

3.3 窗口期只有6-12个月

行业分析认为，AI办公赛道的窗口期可能只有6-12个月。

原因：

用户迁移成本高：一旦用户在一个平台上建立了工作流，切换成本很高
生态壁垒强：微信、钉钉、飞书各自有庞大的存量用户
先发优势明显：谁先跑出来，谁就能锁定用户习惯

这意味着，三大巨头正在抢的，不是"谁的产品更好"，而是"谁先占领用户心智"。

四、护城河在哪？不是模型能力，是组织关系

4.1 一个反直觉的结论

很多人以为AI办公的护城河是模型能力——谁的大模型更聪明，谁就赢。

但事实可能恰恰相反。

模型能力可以快速迭代，今天你领先，下个月我可能就追上了。但组织关系、审批流、业务上下文——这些东西一旦建立，迁移成本极高。

4.2 企业级市场的真正壁垒

对于企业用户来说，选择AI办公产品考虑的不仅是"AI聪不聪明"，而是：

能不能和我现有的OA系统打通？
审批流能不能自动化？
历史数据能不能迁移？
权限管理够不够细？
合规要求能不能满足？

这些"脏活累活"，才是企业级市场的真正壁垒。

4.3 C端 vs B端：两条不同的路

C端（个人用户）：

决策快，切换成本低
看重"好用不好用"
微信生态有天然优势

B端（企业用户）：

决策慢，需要层层审批
看重"稳不稳定、合不合规"
钉钉、飞书有存量优势

阿里千问办公走的是B端路线（钉钉+2000万组织），腾讯WorkBuddy走的是C端路线（微信+10亿用户），字节飞书豆包则是B+C混合。

三条路线，三种打法，谁能跑出来？

五、Qwen3.8-Max：开源旗舰的拐点意义

5.1 三个"第一次"

阿里8月3日发布的Qwen3.8-Max，同时完成了三件事：

能力对标Claude Fable 5：在多项基准上追平或超越闭源旗舰
首次开源Max级权重：开发者可以拿到满血版本，而不是"低配学生版"
国际价砍到Opus 5的1/4：输入$2/百万Token，输出$6/百万Token

这是国产大模型第一次同时完成这三件事。

5.2 16天自主编程：长程Agent能力的证明

Qwen3.8-Max最震撼的演示是：

在完全无人工干预的环境下，模型自主运行约16天，留下265次commit与127个PR，产出一个名为"oh-my-cli"的自进化智能体框架。

不是"写一段代码"，而是"连续干十几天活"。

这证明了一件事：开源模型也能做长程Agent任务——这正是无数中小团队等的那把钥匙。

5.3 开源拐点：从"能聊"到"能干重活"

过去一年，开源模型的处境是：能聊、能写、但干不了重活；顶级的Agent能力总在闭源旗舰手里。

Qwen3.8-Max用"16天自主编程"证明：长程Agent能力可以被开源拿到。

权重开源后，开发者可以：

自己部署
自己微调
自己审计
不被任何一家API绑死

这是开源社区等了很久的拐点。

六、开发者行动指南：成本革命时代的生存法则

6.1 成本下降100倍意味着什么？

当推理成本从"几十美元/百万Token"降到"几美分/百万Token"，很多原本"不划算"的AI应用场景变得可行了：

全量日志分析：以前只能抽样，现在可以全量
实时翻译：以前只能做关键场景，现在可以做全场景
个性化推荐：以前只能粗粒度，现在可以每个用户一条prompt
文档智能：以前只能做摘要，现在可以做全量理解

6.2 多模型架构的必要性

成本革命带来的另一个变化：不同模型的成本差异巨大。

简单任务：用4B开源模型，成本1/100
复杂推理：用GPT-5.6 Sol或Claude Opus 5
长文档处理：用Qwen3.8-Max或DeepSeek V4-Flash（100万上下文）

你的系统应该能根据任务复杂度，自动选择性价比最高的模型。

6.3 为什么"聚合平台"成为基础设施

在多模型时代，开发者需要：

一个API端点，背后连接数十家供应商的数百个模型
根据任务自动路由到最优模型
统一计费、配额管理、用量监控
主供应商故障时，自动切换

这也是为什么模型聚合平台正在成为AI时代的基础设施。

结语：从"能力追赶"到"商用爆发"

2026年8月的这两组数据，标志着中国AI产业的一个拐点：

DeepSeek V4-Flash单日8.83万亿Token：国产模型在开发者调用量上首次全面超越GPT和Claude
AI办公三国杀：腾讯、字节、阿里同日开打，抢的是未来6-12个月的用户心智

这两个事件的共同指向是：中国大模型正在从"能力追赶"走向"商用爆发"。

过去两年，国产模型的叙事是"追赶"——追GPT、追Claude、追排行榜。

现在，叙事变了。变成了"谁能让开发者用起来"、“谁能让企业愿意买单”、“谁能建立真正的生态壁垒”。

决定胜负的不再是参数规模，而是：

成本结构：推理成本能不能降到1/100？
生态壁垒：微信、钉钉、飞书，谁能锁定用户？
开源策略：权重开放还是闭源？开发者选谁？

对于开发者而言，这是一个黄金时代：

模型成本下降两个数量级
开源旗舰能力追平闭源
多模型架构让你自由切换

谁能用好这波成本革命，谁就能在AI时代抢占先机。

相关资源：
模型广场：h5.datatoken.vip
小程序"点点词元" — 多模型统一调度平台，OpenAI 兼容协议，Anthropic 兼容协议。
GitHub 配套源码：https://github.com/fangzehui/llm-tech-articles/tree/main/chapters/chapter-47-domestic-llm-office-war
（含本文用到的国产大模型调用量数据与AI办公三国杀分析源码）

上下文延伸阅读：

chapter-46-bytedance-10t-anti-distillation：字节10万亿参数大模型与反蒸馏路线之争
chapter-45-opus5-deepseek-ai-standard：Opus5半价、DeepSeek 3500亿融资、AI国标三线齐发
chapter-44-gpt6-pause-ai-brake：GPT-6暂停与AI刹车运动

当参数规模不再是护城河，成本结构和生态壁垒才是。 DeepSeek V4-Flash用8.83万亿Token证明：在开发者市场，性价比才是王道；腾讯、字节、阿里用三大AI办公产品证明：在B端市场，生态才是护城河。这两条线索最终指向同一个结论——中国AI产业正在从"能力追赶"走向"商用爆发"，而决定胜负的，是谁能让开发者用得起、让企业离不开。

对于开发者而言，多模型架构已经是2026年的必备策略。模型广场 h5.datatoken.vip 提供近100种主流大模型的统一接入，从4B开源小模型到Max级旗舰，智能路由自动选择最优方案，让你的AI应用既聪明又省钱。

本文关于国产大模型调用量数据、AI办公三国杀、Qwen3.8-Max发布等内容来源于OpenRouter官方数据、36氪、界面新闻、阿里官方公告等多源报道，截至2026年8月12日。大模型领域变化较快，产品定价与技术参数请以各厂商官方渠道实时信息为准。文中分析仅基于公开信息整理，不代表任何厂商的商业推荐，具体模型选型请以自家业务评估为准。如发现事实性错误，欢迎评论区指正。