61万亿对21万亿：20周的领跑
2026年9月第二周（9月7日-9月13日），OpenRouter发布了最新一期全球大模型调用量统计。这一次的数据再次刷新了认知：
- 全球总调用量：127万亿Token，环比增长10.43%
- 中国大模型周调用量：61.17万亿Token
- 美国大模型周调用量：21.76万亿Token
数据来源：OpenRouter周度报告，2026年9月14日
中国大模型调用量已经连续20周超过美国。20周，整整五个月——这不再是"偶然波动"，而是一个结构性趋势。
更值得关注的是全球前五的排名：
| 排名 | 模型 | 周调用量（万亿Token） | 国别 |
|---|---|---|---|
| 1 | OpenAI GPT系列 | — | 美国 |
| 2 | 腾讯混元Hy4 preview | 16.8 | 中国 |
| 3 | 智谱GLM 5.3 Flash | 11.9 | 中国 |
| 4 | DeepSeek V4 Flash | 11.6 | 中国 |
| 5 | 小米MiMo-V2.5 | 7.77（环比+230%） | 中国 |
数据来源：OpenRouter周度报告，2026年9月14日
全球前五名中，四款是中国模型。这一格局在一年前是不可想象的。
DeepSeek V4.1 Flash：三天冲上第六
9月10日，DeepSeek发布V4.1 Flash。上线仅三天，周调用量已达4.94万亿Token，直接冲到全球第六。这个上升速度在大模型历史上极为罕见。
V4.1 Flash的核心参数：
- 552B参数MoE架构，输入激活8B / 输出激活16B
- Causal-Encoder-Decoder新架构设计
- 原生多模态视觉理解
- KV Cache对HBM需求降至1/4
数据来源：DeepSeek官方技术报告，2026年9月10日
为什么Causal-Encoder-Decoder是关键创新？
传统大模型要么是Decoder-only（GPT系列），要么是Encoder-Decoder（T5系列）。DeepSeek V4.1 Flash提出的Causal-Encoder-Decoder架构，本质上是把Encoder的双向注意力能力和Decoder的自回归生成能力做了一个融合。
这种设计带来的直接好处是：视觉理解能力原生集成。以往多模态模型需要外挂一个视觉编码器再接LLM，而V4.1 Flash在架构层面就把视觉token和文本token放在同一个处理流程中，减少了信息损失。
KV Cache降至1/4：算力经济学的胜利
KV Cache是推理成本的大头。传统架构中，随着对话轮数增加，KV Cache线性膨胀，HBM带宽成为瓶颈。DeepSeek通过分组注意力（GQA）优化和稀疏KV策略，将KV Cache对HBM的需求降到了同类模型的四分之一。
这意味着同样的HBM容量，V4.1 Flash可以服务4倍的并发用户。这直接转化为价格优势。
定价拆解：缓存命中级别的成本优势
DeepSeek V4.1 Flash的定价策略极具攻击性：
| 场景 | 输入价格（元/百万Token） | 输出价格（元/百万Token） |
|---|---|---|
| 闲时缓存命中 | 0.02 | 4.0 |
| 闲时未命中 | 约0.4 | 4.0 |
| 高峰时段 | 上述价格×2 | 上述价格×2 |
数据来源：DeepSeek API定价页，2026年9月
与上一代相比：
- 缓存命中输入降价60%
- 未命中输入降价33.3%
- 输出降价11.1%
这组定价策略的核心逻辑是：用缓存命中来摊薄固定成本。大量企业级应用的请求模式是重复的（比如客服问答、文档摘要），缓存命中率往往超过70%。这意味着实际综合成本远低于标价。
能力验证：Terminal-Bench与DeepSWE
光便宜不够，还得能打。V4.1 Flash在两个硬核基准上的表现：
- Terminal-Bench 2.1：90.6分（衡量终端操作和任务自动化能力）
- DeepSWE v1.1：74.2分（衡量软件工程任务完成能力）
数据来源：DeepSeek官方技术报告，2026年9月
这两个基准的含金量在于，它们不考选择题，考的是真实任务执行。Terminal-Bench要求模型在Linux终端中完成一系列复杂操作，DeepSWE要求模型自主修复GitHub上的真实issue。90.6和74.2的得分，在同尺寸模型中属于第一梯队。
中国大模型的"量"与"质"
调用量连续20周领跑全球，当然值得高兴。但我们需要清醒地问一个问题：调用量等于技术领先吗？
答案是不完全等于。中国大模型调用量大，有三个结构性原因：
- 用户基数大：中国互联网用户超过10亿，AI应用渗透率仍在快速提升
- 价格优势：DeepSeek、智谱等模型的API价格仅为GPT系列的1/5到1/10
- 应用场景下沉：大量客服、内容生成、企业自动化场景对成本敏感，天然偏好高性价比模型
但从另一个角度看，调用量本身就是价值。模型调用越多，反馈数据越多，迭代越快。DeepSeek V4.1 Flash三天冲上第六，说明"量大→数据多→迭代快→更强→量更大"的飞轮已经转起来了。
结语：从"跟跑"到"并跑"
2026年下半年的中国大模型格局，已经不能简单用"追赶者"来定义了。在调用量这个最市场化的指标上，中国模型已经领先；在技术创新层面，DeepSeek的Causal-Encoder-Decoder架构也展现出了不同于OpenAI路线的独立思考。
下一个值得关注的问题是：当调用量足够大之后，中国大模型能否在最前沿的推理能力上也完成超越？ 这个问题的答案，可能就在下一个版本的DeepSeek上。
更多中国大模型的深度技术拆解，欢迎关注硅基AGI论坛 silicon-agi.com，也可以访问guijiagi.com获取最新AI行业分析。