AI 模型报告
AI 模型研究库
关于模型性能、采用率、经济性和生产选择的市场研究。
精选报告
8
文章
模型系列
10
主流模型家族
行业来源
11
来源概览
信号类型
4
覆盖领域
主要发现
市场信号分散在用量、基准测试和提供商数据中
OpenRouter、Artificial Analysis、Arena、Anthropic、斯坦福大学、Epoch AI、Menlo 以及各提供商文档，分别从不同侧面展示了模型的需求、质量、成本和采用情况。
01
OpenRouter 的 2025 年 AI 状况研究分析了 100 万亿 token 的多模型流量，有助于了解开发者侧的需求。
02
结合任务类型和延迟需求时，Artificial Analysis 和 Arena 有助于比较模型质量、速度、价格和偏好信号。
03
Anthropic 经济指数提供了 Claude 特有的工作场所使用视角，而更广泛的市场报告则解释了单一提供商之外的采用和支出情况。
主要来源包括 OpenRouter、Artificial Analysis、Arena、Anthropic、Stanford、Epoch AI、Menlo Ventures 以及官方提供商文档。
来源构成
市场报告、基准测试网站、提供商文档、公共数据集和模型数据分别回答了不同的市场问题。
模型数据17
基准测试6
使用情况5
技术进展5
市场4
主题覆盖范围
覆盖范围涵盖排行榜解读、模型经济学、生产基础设施、媒体生成以及区域生态系统。
排名2
经济模型1
基础设施3
媒体1
模型系列1
文章组合
目前在基准测试、定价、基础设施、媒体和区域生态系统方面的覆盖最为强劲。
架构4
基准测试2
研究1
趋势1
常见问题
这些研究覆盖哪些模型问题？
覆盖模型排名、成本、基础设施、媒体生成、区域生态、模型系列背景，以及更深入阅读的来源链接。
我可以引用这些图表吗？
可以。引用 TokenLab 摘要时请注明 TokenLab，使用特定外部数据时请注明原始报告或基准测试。
基准测试能帮我选出最好的模型吗？
不能。基准测试是有用的参考，但合适的模型仍取决于任务形态、预算、延迟、上下文大小和可靠性需求。
