每隔几周就有新模型发布，每次发布都有一张新的 benchmark 榜单，每张榜单都在说自己赢了。
但有一种数据更真：企业真实付出去的钱。
Vercel 的 AI Gateway 接入了超过 20 万个团队的生产流量，七个月里处理了数十万亿个 token。
这份报告就建立在这批数据上，不是测评，不是问卷调研，是账单 😂。
看完，估计会跟你的预判有点不一样。
2026 年 4 月，费用占比：Anthropic 61%，Google 21%，OpenAI 12%
同一批用户，产生了两张截然不同的排行榜
2026 年 4 月，按费用排名：Anthropic 61%，Google 21%，OpenAI 12%。
按 token 量排名：Google 38%，Anthropic 26%，OpenAI 13%，xAI 10%。
费用第一和用量第一，是两家完全不同的公司。
Claude Opus 承接那些"必须做对"的任务：重推理、高风险，单价贵，但调用次数少。
Gemini Flash 处理那些"做快点就行"的任务：单价便宜，量极大。很多应用里，两者同时在跑，分工明确，互不干扰。
几个具体的变化值得注意：
OpenAI 的费用份额从 3 月到 4 月翻了三倍，直接原因是 GPT-5.4 和 5.5 的发布
Google 的费用份额同期从 8% 跳到 21%，背后是 Gemini Flash 的大规模铺开
真正在塑造市场格局的，是定价策略，不是模型能力的排名。
为什么有些场景愿意付更贵的价格
Vercel 把流量按应用场景拆开来看，数据背后有一个非常简单的逻辑：这个场景里，一次错误答案要花多大代价去收拾，决定了你愿意为每次调用付多少钱。
各场景 token 量与费用的剪刀差：个人助手量大价廉，后台业务量少但单价更高
场景 | Token 量占比 | 费用占比 |
|---|---|---|
个人助手 | 40% | 20% |
代码构建 | 20% | 22% |
后台业务 | 15% | 6% |
应用生成 | 11% | 7% |
个人助手的逻辑很简单：答错了，用户刷新重问就好，损失只是几秒钟。
所以跑便宜的模型完全合理，量大、单价低。
后台业务完全不同。
一份合同条款理解错了，一笔财务数据核对出了偏差，修复的代价可能是几个人花几天时间。
这种场景下，多付几倍的 API 费用换来更高的准确率，是完全划算的账。
B2B 和 B2C 的差距也印证了同样的逻辑。
B2C 产生 62.6% 的 token 量，只占 43.2% 的费用；B2B 产生 29.7% 的 token 量，却占 40.7% 的费用。
平均下来，B2B 每个 token 付的钱是 B2C 的两倍。
越是不能出错的地方，Anthropic 拿得越多
把数据按应用类型再细分，各家厂商的费用占比呈现出非常清晰的分层：
后台业务：Anthropic 87%，几乎是清场
代码构建：Anthropic 55%，其他厂商合计 31%
消费者场景：Google、OpenAI、Anthropic 三家接近平分，加上一批小厂商
Anthropic 的规律很明显：场景越关键，份额越高。
从后台业务到消费者场景，Anthropic 的 token 量从 71% 跌到 7%，但费用份额下滑得平缓得多，始终保持领先。钱聚集在那些"答案必须对"的地方，和总量多少关系不大。
Google 的规律正好相反。
Gemini Flash 在消费者场景撑起了 28% 的 token 量，对应的费用却只有 15%，在其他场景几乎看不到身影。
Google 在 AI 市场的全部筹码，都押在 Flash 的规模化上。
xAI 靠性价比切入。
Grok 在代码构建场景占了 20% 的 token 量，在邮件外发场景占了 18%，但对应的费用占比都更低，赢的是价格竞争力。
这个优势的脆弱之处也在这里，一旦有人把价格压到同一水平，优势就消失了。
OpenAI 是四家里分布最均匀的：代码构建 6%，消费者 18%，邮件外发 28%。
没有哪个场景特别依赖，也没有哪个场景特别薄弱。
还有一批容易被忽视的玩家：Kimi、MiniMax、GLM。
它们的费用份额很小，但在消费者和代码构建场景里跑着相当数量的 token。
只看钱的话，会低估它们真实的市场存在感。
没有哪家公司赢下了整个市场，因为这根本就不是一个统一的市场。
六个月前，AI 还是聊天工具，现在是一条流水线
这是这份报告里最值得停下来想一想的数字。
2025 年 10 月，带工具调用的请求占 AI Gateway 所有 token 量的 31.6%。
到 2026 年 4 月，这个数字涨到了 58.9%，六个月里翻了将近一倍。
粉线是 token 量占比（从 31.6% 涨到 58.9%），蓝线是请求数占比（从 11.4% 涨到 22.2%）。两线之间的差距说明 Agent 请求消耗的 token 远多于普通请求。
更值得注意的是两条线之间的差距：带工具调用的请求只占所有请求的 22.2%，却承载了 58.9% 的 token 量。
换算下来，一次 Agent 请求平均消耗的 token，是普通聊天请求的 2.6 倍。
道理很简单。普通聊天是一问一答，计一次费。
Agent 是一条链：调用工具、拿回结果、继续推理、再次调用，十个步骤就是十次计费，token 消耗被成倍放大。
这意味着，过去那种"按请求数估算 AI 成本"的方式，在 Agent 架构下会严重低估实际开销。
AI 应用的成本模型，已经换了一套逻辑。
用的模型越多，反而越不怕换供应商
规模越大的团队，同时使用的模型数量越多——这个发现听起来反直觉，但数据非常清楚。
请求量越大，使用的模型数量越多。
超过 1000 万次请求的团队平均使用 35 个模型。
月请求量 | 平均使用模型数 |
|---|---|
1K–10K | 3 个 |
100K–1M | 8 个 |
1M–10M | 18 个 |
10M+ | 35 个 |
35 个模型不是乱用，背后是一套精细的路由系统：意图识别走便宜的分类模型，核心推理走前沿模型，检索走 embedding 模型，摘要走快速模型，图片理解走视觉模型。每个节点都可以独立替换。
这套架构带来的结果是：某家供应商涨价、质量下滑或者出现故障，流量几小时内就能切走。
对这些头部团队来说，换一家模型供应商，操作上更接近改一行配置，而不是一次牵动全局的系统迁移。
人们常说的"厂商锁定"，在这个量级上几乎不存在。真正被锁住的，是那些从一开始就没有考虑过路由设计的应用。
新模型发布，旧版本几周内就被市场淘汰
这套路由架构也解释了为什么模型版本的迭代速度如此之快。
Claude Sonnet 4.6 发布后，在第一个完整月内就接管了 Sonnet 家族的大部分流量，3.7、4、4.5 几乎从图表上消失。
Opus 4.7 正在走同样的曲线，一点一点从 Opus 4.6 手里拿走份额。
旧版本始终保持可用，但团队自己选择了迁移。
在多模型路由架构下，切换到新版本只需要改一个指向，不需要重新测试整套系统。
模型的生命周期，已经不再由发布它的实验室说了算，而是由用户的路由配置说了算。
系统越稳定，越要想清楚崩了怎么办
最后一个数字：AI Gateway 上有 3.5% 的请求，在第一次调用失败后，由网关自动切换到备用模型，最终成功完成。
按 token 量算，这个比例是 5.1%；按费用算，是 4.9%。
两个比例都高于 3.5%，原因是：需要切换备用的请求，平均比普通请求更长、更贵。
上下文很长的请求更容易触发限流
多步骤的 Agent 任务，中途某个环节出错就得整体重来
计算量大的推理任务，在高负载时段更容易超时。
这几类故障，恰好集中在调用成本最高的那一端。
供应商承诺的可用性，衡量的是请求数维度。
但对生产系统来说，真正有感知的是费用维度的可用性，最贵的那批调用挂掉，损失远不止一次请求的钱。
没有备用方案的系统，在最关键的时刻最容易出问题，而那个时刻的代价也最大。
问错了问题，答案永远没用
"哪个模型最好？"是个错误的问题。
正确的问题是：在我关心的那个具体场景里，哪个模型表现最好、性价比最合理？
Vercel 这批数据展示的，是一个已经分层运转的市场。
不同的任务找到了不同的模型，不同的风险水平对应着不同的价格区间。
推动这些选择的，是真实的成本和真实的业务压力，不是 benchmark 排名，也不是发布会上的演示。
对正在做 AI 应用的团队，这份数据有一个很实际的启示：路由层要从第一天就设计进去，而不是等到规模上来了再补。
等到那个时候再改，牵动的东西会多出一个数量级。