Nanguna ang DeepSeek sa OpenRouter na may 35.4 Trilyong Token sa Isang Linggo, Nanguna ang mga Modelong Tsino sa Limang Puwesto

Nasungkit ng DeepSeek ang unang dalawang puwesto

Umabot sa 35.4 trilyong token ang naproseso ng V4.1 Flash 1017 ng DeepSeek sa lingguhang ranggo ng OpenRouter, kaya nalampasan nito ang naunang bersyon at nasungkit ng mga developer na Tsino ang lahat ng unang limang puwesto. Sa ranggo ng platform, na nagtatala ng datos sa paggamit hanggang Oktubre 26, 2026, pangalawa ang DeepSeek V4.1 Flash na may 17.4 trilyong token.

Pangatlo ang GLM 5.3 Flash ng Z.ai na may 13.8 trilyong token, sinundan ng libreng bersyon ng MiniMax M3.1 Flash na may 12.6 trilyon at ng preview ng Hy4 ng Tencent na may 9 trilyon. Nagtala rin ng 9 trilyong token ang GPT-6 Luna ng OpenAI ayon sa ipinakitang antas ng katumpakan, ngunit pang-anim ito.

Binago ng mga bilang sa Mga Ranggo ng AI Model ng OpenRouter ang mga bilang na kumalat para sa Oktubre 19 hanggang 25. Ayon sa mga naunang bilang, umabot sa 33.6 trilyong token ang pinakabagong modelo ng DeepSeek, na may 801% paglago; inililista naman ng opisyal na pahina ang 35.4 trilyon at 382% paglago. Pangatlo rin noon ang MiniMax at pang-apat ang GLM, kabaligtaran ng pagkakasunod sa opisyal na pahina.

Umabot sa 52.8 trilyong token ang pinagsamang naproseso ng dalawang nangungunang variant ng DeepSeek sa opisyal na lingguhang talaan. Mahigit doble ang dami ng naproseso ng pinakabagong bersyon kumpara sa nauna rito, isang kapansin-pansing pagbabago matapos ianunsyo ang update noong Oktubre 17.

Iniuugnay ng OpenRouter ang mga developer sa mga modelo ng iba’t ibang kumpanya sa pamamagitan ng iisang application programming interface, o API. Inilalarawan ng mga ranggo nito ang aktibidad na dumaraan sa serbisyong iyon. Kasama rin sa mas malawak na merkado ng AI ang mga direktang API ng mga kumpanya, iba pang cloud service, pribadong instalasyon at mga application para sa mamimili.

Ano ang sinusukat ng ranggo ng token

Binibilang ng OpenRouter ang mga prompt token, o materyal na ipinapadala sa isang modelo, at mga completion token, o materyal na inilalabas nito. Maliit na bahagi ng teksto ang isang token; kung minsan, katumbas ito ng isang salita at kung minsan naman ay bahagi lamang nito. Maaaring maglaman ng maraming libong token ang mahabang dokumento o tuluy-tuloy na pag-uusap.

Ibang yunit ang isang request: ito ay panawagang magsagawa ng isang bagay ang modelo. Maaaring humiling ang isang request ng maikling pagsasalin, samantalang maaaring maglaman naman ang isa pa ng malaking proyektong software at humiling ng malawakang pagbabago. Pareho silang binibilang na tig-isang request, ngunit maaaring magkaiba nang malaki ang dami ng token ng mga ito.

Pinagsasama-sama ng OpenRouter ang paggamit sa pang-araw-araw na talaan batay sa Coordinated Universal Time. Saklaw ng lingguhang talaan nito ang pitong araw hanggang sa pinakahuling kumpletong tala, samantalang sumasaklaw ang buwanang talaan nito sa nakaraang 30 araw. Tinutukoy ng petsang nasa itaas ng mga ranggo ang pinakabagong tala ng paggamit.

Magkakahiwalay na entry ang mga variant ng modelo, kabilang ang mga libreng bersyon, at hindi isinasama ang mga request na minarkahang pribado. Sinusukat ng OpenRouter ang trapiko sa mga token o request, depende sa tsart; ibang sukatan ang kailangan para sa mga user, gastos at kakayahan ng modelo.

Lumawak ang lamang ng mga modelong Tsino, ngunit mas makitid ang batayan ng bilang

Ayon sa mga bilang na kumalat para sa Oktubre 19 hanggang 25, umabot sa 188 trilyong token ang kabuuang aktibidad sa OpenRouter, 14.63% na mas mataas kaysa noong nakaraang linggo. Iniulat din ng parehong ulat na umabot sa 93.54 trilyong token ang paggamit ng mga modelong Tsino at 22.47 trilyon naman ang sa mga modelong Amerikano. Binanggit din nito ang sunod-sunod na 26 na linggong mas maraming token ang naproseso ng mga modelong Tsino.

Tinutukoy ng mas detalyadong paghahati na ang kabuuang bilang para sa mga modelong Tsino at Amerikano ay mula sa paggamit ng siyam na nangungunang modelo. Batay rito, humawak ang mga modelong Tsino ng humigit-kumulang 4.16 na beses ng dami ng mga modelong Amerikano, batay sa 93.54 trilyon na hinati sa 22.47 trilyon. Anim sa siyam na puwestong iyon ang napunta sa mga modelong Tsino.

Ayon sa inilathalang paghahambing ng paglago, tumaas nang 18.14% ang dami ng mga modelong Tsino at 29.44% naman ang sa mga modelong Amerikano kumpara sa nakaraang linggo. Samakatuwid, mas mabilis ang paglago ng mga modelong Amerikano batay sa porsiyento noong panahong iyon, habang nanatiling mas malaki ang kabuuang token ng mga modelong Tsino sa grupong nakalista.

Mahalaga ang saklaw ng grupong ito para maunawaan ang kompetisyon. Nagho-host ang OpenRouter ng mga modelo mula sa mas maraming bansa at provider kaysa sa dalawang pambansang kategoryang iyon, at lampas sa siyam na nangungunang entry ang kabuuang trapiko nito. Inilalarawan ng bilang na 188 trilyon ang iniulat na aktibidad sa platform, hindi ang paggamit ng AI sa buong mundo sa lahat ng serbisyo.

Nanguna ang DeepSeek sa dami ng request at token

Nanguna rin ang DeepSeek sa hiwalay na tsart ng OpenRouter para sa bahagi ng mga request sa teksto noong linggong nagsimula sa Oktubre 19. Umabot sa 26.5% ang bahagi nito, mas mataas sa 20.1% ng Google, 18.5% ng OpenAI at 10.7% ng Z.ai.

Mas mataas nang 6.4 na percentage point ang bahagi ng DeepSeek kaysa sa Google at 8 percentage point naman kaysa sa OpenAI. Pinagsamang 38.6% ng mga request ang hawak ng Google at OpenAI, kaya malaki pa rin ang presensiya ng dalawang developer na Amerikano kahit mga modelong Tsino ang nanguna sa bilang ng token.

May 5.5% ng mga request sa teksto ang Anthropic, 4.7% ang Qwen, 2% ang MiniMax at 1.8% ang Tencent. May bahagi ring 2% ang Mistral AI, samantalang pinagsama-samang 8.3% ang lahat ng iba pang may-akda.

Ipinaliliwanag ng bahagi sa mga request ang ibang aspeto ng merkado kumpara sa kabuuang token. Maaaring magkaroon ng malaking bahagi sa request ang provider na naghahatid ng maraming maiikling palitan, samantalang mas maraming token naman ang maaaring maproseso ng provider na mas kaunti ngunit mas mahahabang gawain ang hinahawakan. Maaaring mahalaga sa mga developer na pumipili ng modelo kapwa ang bilang ng mga interaksiyon at ang dami ng gawaing taglay ng bawat isa.

Mga inilabas na modelo sa likod ng pagbabago noong Oktubre

Inanunsyo ng DeepSeek ang V4.1 Flash 1017 noong Oktubre 17, kasunod ng V4.1 Flash na inilabas noong Setyembre 10. Nakatuon ang update sa pangangatwiran, pagko-code, awtomasyon at mga gawaing may kinalaman sa mga larawan. Ginawang available din ng kumpanya ang mga weight ng modelo, upang makuha ng iba ang mga numerikal na parameter na ginagamit sa pagpapatakbo nito.

Inilabas ng MiniMax ang M3.1 Flash noong Oktubre 19, ilang sandali bago mapasama sa nangungunang lingguhang grupo ang libreng variant nito. Dahil dito, dalawang bagong modelo ang direktang nakapasok sa panahong mabilis na lumalawak ang trapiko sa platform.

• Setyembre 10, 2026: Inilabas ng DeepSeek ang V4.1 Flash.
• Oktubre 17: Inanunsyo ng DeepSeek ang update na V4.1 Flash 1017.
• Oktubre 19: Inilabas ng MiniMax ang M3.1 Flash.
• Oktubre 19 hanggang 25: Saklaw ng lingguhang panahong pinagbatayan ng malawakang kumalat na mga bilang ng paggamit.
• Oktubre 26: Pinakabagong petsa ng paggamit na ipinapakita sa opisyal na mga ranggo ng OpenRouter.

Nananatiling malaking pinagmumulan ng aktibidad ang naunang V4.1 Flash ng DeepSeek kahit bumaba ito nang 41% sa opisyal na lingguhang talaan. Tumaas naman nang 382% ang mas bagong variant. Ipinahihiwatig ng paggamit sa dalawang bersyon na kapwa ginamit ng mga developer ang mga ito habang nagbabago ng bersyon, bagaman walang datos sa ranggo tungkol sa mga desisyon ng bawat customer na lumipat.

Iba ang kuwento sa pang-araw-araw at buwanang talaan

Nanguna rin ang DeepSeek V4.1 Flash 1017 sa pinakabagong kumpletong araw, na nagproseso ng 5.42 trilyong token. Sumunod ang GLM 5.3 Flash na may 2.27 trilyon, at kasunod nito ang mas lumang DeepSeek V4.1 Flash na may 2.21 trilyon.

Bumaba nang 6% kumpara sa nakaraang araw ang dami ng token ng nangungunang modelo sa araw na iyon, bagaman nanatili ito sa unang puwesto. Tumaas nang 44% ang preview ng Hy4 ng Tencent sa 1.4 trilyong token, at tumaas naman nang 56% ang GLM 5.3 sa 892 bilyon, na nagpapakita kung gaano kabilis magbago ang aktibidad sa iba’t ibang modelo.

Sa nagdaang 30 araw, nanatili sa unang puwesto ang mas lumang DeepSeek V4.1 Flash na may 123 trilyong token. Sumunod ang GLM 5.3 Flash na may 50.7 trilyon. Pang-apat ang mas bagong modelo ng DeepSeek na may 42.7 trilyon, kasunod ng Space Bunny Alpha na may 46.9 trilyon.

Makikita sa MiMo-V2.6-Flash ng Xiaomi ang pagkakaiba ng dalawang saklaw ng panahon. Pang-siyam ito sa opisyal na lingguhang talaan na may 5.32 trilyong token, bumaba nang 44%, ngunit panglima naman sa loob ng 30 araw na may 38.8 trilyon, tumaas nang 807% kumpara sa nakaraang 30 araw. Maaaring humina ang huling linggo kahit malakas ang isang buwan sa kabuuan.

Bakit malaki ang konsumo sa pagko-code at mga agent

Ayon sa MiniMax, pinahusay ng M3.1 Flash ang kakayahan sa masalimuot na gawain ng agent, pagpapatakbo ng computer, pagbuo ng software at cybersecurity. Sinabi rin nitong halos naging tatlong ulit ang bilis ng online inference at bumaba nang 70% ang gastos sa paggamit. Ang inference ay pagpapatakbo ng sinanay na modelo para bumuo ng sagot o magsagawa ng gawain.

Sunod-sunod na mga hakbang ang ginagawa ng AI agent sa halip na isang sagot lamang ang ibigay. Maaaring siyasatin ng coding agent ang mga file, magmungkahi ng pagbabago, magpatakbo ng tool, basahin ang resulta at baguhin ang ginawa nito. Sa bawat hakbang, maaaring magpadala ng mas maraming impormasyon pabalik sa modelo at madagdagan ang konsumo sa token.

Ipinakita rin ng mga naunang bilang na inilathala noong Pebrero 24 ang kaparehong padron sa paligid ng naunang henerasyon ng mga modelong Tsino. Nanguna ang MiniMax M2.5 sa lingguhang talaan na may 2.45 trilyong token, sinundan ng Kimi K2.5 na may 1.21 trilyon. Umabot sa 5.3 trilyon ang pinagsamang token ng mga modelong Tsino sa nangungunang sampu, na may kabuuang humigit-kumulang 8.7 trilyon, o bahagi na mga 61%.

Tumaas nang 197% ang lingguhang paggamit sa MiniMax M2.5, habang 158% naman ang itinaas ng GLM-5 at bumaba nang 20% ang Kimi K2.5. Ayon sa MiniMax, lumampas sa 3.07 trilyong token ang M2.5 sa unang pitong araw matapos itong ilabas. Magkakaiba ang panahong saklaw ng mga bilang na ito, ngunit sama-sama nilang ipinakikita na nagkaroon ng mabilis na pagtangkilik at biglaang pagbabago sa paggamit ng mga modelo bago ang pagbabago noong Oktubre.

Dinisenyo ang Kimi K2.5 para mag-ugnay ng hanggang 100 agent na sabay-sabay na gumagawa. Iniulat din ng OpenRouter ang paglago sa mga input na may 100,000 hanggang 1 milyong token sa panahon ng M2.5, na nag-uugnay sa naunang pagdami ng paggamit sa malalaking kontekstong ginagamit sa mga proseso ng agent.

Nagbabago ang gastos ng paulit-ulit na gawain dahil sa mas mababang presyo

Ipinakikita ng mga presyong inilathala noong mga inilabas na modelo noong Pebrero kung bakit maingat sa gastos ang mga developer na nagpapatakbo ng maraming paulit-ulit na hakbang. Parehong naningil ang MiniMax M2.5 at GLM-5 ng $0.30 kada milyong input token, kumpara sa $5 para sa Claude Opus 4.6, o humigit-kumulang 16.7 ulit na mas mahal.

Ang mga presyo para sa output ay $1.10 kada milyong token para sa MiniMax M2.5, $2.55 para sa GLM-5 at $25 para sa Claude Opus 4.6. Sa mga nakalistang presyong iyon, nagkakahalaga ng $11, $25.50 o $250 ang pagbuo ng 10 milyong output token, ayon sa pagkakasunod, bago isaalang-alang ang iba pang singil o diskuwento.

Ipinagpatuloy ng mga modelong inilabas noong Oktubre ang pagtutuon sa gastos sa pagpapatakbo. Iba-iba ang singil ng DeepSeek batay sa oras na matao o hindi gaanong matao, samantalang iisang presyo ang iniaalok ng MiniMax. Sa dalawang paraang ito, may mga opsiyon ang mga developer para kontrolin ang gastos ng mga application na paulit-ulit na nagpapadala ng mahahabang usapan, dokumento o code sa isang modelo.

Inilabas din ng DeepSeek ang inference framework nitong DeepInfer, na sinasabing sumusuporta kapwa sa hardware ng Nvidia at mga processor ng Huawei Ascend. Iniulat na nasa 155 trilyong token kada cluster bawat araw ang kapasidad nito sa pagproseso. Tumutukoy ang bilang na ito sa imprastrakturang nagpapatakbo ng mga serbisyo ng modelo, ibang sukatan sa trapikong dumaraan sa OpenRouter.

Magkakaiba ang galaw ng trapiko at gastos

Tumaas ang iniulat na lingguhang dami ng token sa OpenRouter mula 5.51 trilyon noong huling bahagi ng Oktubre 2025 tungo sa 188 trilyon noong huling bahagi ng Oktubre 2026. Kapag hinati ang dalawang bilang, lumalabas na humigit-kumulang 34 na beses ito ng naunang antas, na nagpapakita kung gaano kabilis lumawak ang workload ng platform.

Inilalarawan ng mga bilang sa gastos ayon sa gawain ang isa pang bahagi ng paglago. Umabot sa 32.1% ang bahagi ng mga pangkalahatang gawain, 30.9% ang mga workflow ng agent at 26.7% ang pagko-code. Pinagsama, bumubuo ang tatlong kategoryang ito ng 89.7% ng gastos na ipinakita sa paghahating iyon.

Nanguna ang Claude Opus 5.5 sa ranggo ng gastos ayon sa pag-uuri, na may bahaging 10.3%. Ang pag-uuri ay pagtatalaga ng label o kategorya, gaya ng pagtukoy sa kahilingan ng customer, paglalagay ng tag sa dokumento o pagpapasya kung saang workflow dapat ipadala ang mensahe.

Hindi lang dami ng token ang batayan ng singil sa mga developer; nakadepende rin ito sa presyo. Maaaring humawak ng mas malaking dami ang mas murang modelo ngunit mas kaunti ang kitang nalilikha nito sa bawat token. Nakasalalay naman ang tubo sa gastos sa pag-compute, pagpapatakbo ng serbisyo at paghahatid nito sa mga nagbabayad na customer. Hindi tinukoy ng mga bilang ang kita at tubo ng mga provider sa panahong ito.

Lampas sa mga pangkalahatang modelo ng wika ang paggamit ng AI ng Tsina. Gumamit ang mga kagawaran ng meteorolohiya sa mahigit 40 bansa ng modelo ng babala sa lagay ng panahon na MAZU sa pamamagitan ng mga cloud service, at nag-deploy ng mga iniangkop na bersyon sa pitong bansa, kabilang ang Pakistan, Ethiopia at Solomon Islands. Ipinakikita ng mga ganitong espesyalisadong application ang isa pang paraan ng paggamit ng mga modelo sa labas ng mga pampublikong ranggo ng API.

Mahahalagang Punto

• Nanguna ang DeepSeek V4.1 Flash 1017 sa opisyal na lingguhang talaan ng OpenRouter na may 35.4 trilyong token, sinundan ng V4.1 Flash na may 17.4 trilyon.
• Sinakop ng mga developer na Tsino ang unang limang puwesto ng modelo: pangatlo ang GLM 5.3 Flash, pang-apat ang libreng variant ng MiniMax M3.1 Flash at panglima ang preview ng Hy4.
• May bahagi ang DeepSeek na 26.5% ng mga request sa teksto para sa linggong nagsimula noong Oktubre 19, mas mataas kaysa sa Google at OpenAI.
• Ang iniulat na sunod-sunod na 26 na linggong pamumuno ng Tsina ay tumutukoy sa paggamit sa OpenRouter; saklaw ng detalyadong kabuuan ayon sa bansa para sa Oktubre 19 hanggang 25 ang siyam na nangungunang modelo.
• Bahagi ng nagpapaliwanag sa paglago ng paulit-ulit at mahahabang interaksiyon sa modelo ang pagko-code, mga workflow ng agent at mas mababang presyo.
• Trapiko sa platform ang sinusukat ng mga ranggo ng OpenRouter; ibang sukatan ang ginagamit para sa gastos, kakayahan ng modelo at tubo ng provider.