模型竞争格局 - 前沿专有模型对开源模型的智能领先优势从27点收窄至14点，降幅48.1%，但Kimi K3后专有实验室曾在十周内将差距重新扩大至27点[6][1] - 开源前沿两次跃升（7月16日Kimi K3与11月4日K3.1 Pro）各提升13点，但间隔111天，反映长预训练周期与前沿实验室的蒸馏打压[1] - 按此节奏，Moonshot下一次跃升（Kimi K3.2）可能出现在1月下旬，SpaceXAI的Grok 5预计年底前推出，Google约每月一次的节奏指向Gemini 4.1在2027年前到来[1] - Vercel上专有模型每日token份额11月4日环比上升10个百分点至42%[1] 用量与支出 - OpenRouter周度专有token从4月中旬的9T增至7月下旬的13T，10月下旬翻三倍至创纪录的39T[1] - OpenRouter周度总token从5月下旬至10月下旬增长509%，同期Silicon Data Token Expenditure Index下降55%，表明用量增速超过价格降幅，总token支出仍在上升[1][6] - 全行业AI采用率9月同比上升12个百分点至56%，科技与媒体企业采用率达80%，将13%的非薪酬支出用于AI（高于去年的9%，为全行业6%的两倍多）[1] - Menlo Ventures发现企业AI平均支出达到去年的4.7倍，远超计划的1.9倍，差距归因于agents，其现已产生OpenRouter 80%的token[1] 能力加速与成本效率 - Agentic任务持续变长且更耗内存，AA任务平均输出token环比上升10%至91K，缓存写入占AA任务综合成本比例上升3个百分点至29%[2][6] - Open Compute提出的厂商中立持久KV缓存可跨DRAM与SSD池化agents工作内存，提升内存、存储与网络需求[2] - "Route Anything"研究表明将每个请求发送至最便宜的可胜任模型，平均比使用单一强模型成本效率高8.8倍[2] - 专有模型每任务平均成本环比上升17.9%至5.79美元，开源模型上升21.9%至2.39美元[6]