学者提醒：OpenRouter 数据难以反映智能体时代真实模型用量

近日，沃顿商学院教授、AI 领域知名评论者 Ethan Mollick 在 X（原 Twitter）上发文，对当前业内普遍引用的 OpenRouter 模型用量数据提出质疑。他指出，在智能体（agentic）工具迅速普及的背景下，仅凭 OpenRouter 一个聚合平台的调用量已难以反映真实的大模型使用格局。

关于 OpenRouter 数据的局限性

Mollick 认为，OpenRouter 作为模型路由聚合平台，其流量曲线虽然直观，但并非全行业用量的可靠代理指标。他特别提到，中国开源权重模型（open weight）在 OpenRouter 上的调用占比上升，虽然可能是真实趋势，但也存在另一种解读——这部分流量只是从 OpenRouter 迁移到了 Codex、Code、Cowork 等智能体编码工具上。换言之，OpenRouter 上某种模型调用量下降，未必代表该模型整体需求萎缩，而可能是用户使用方式发生了变化。

智能体工具改变用量统计逻辑

近年来，以 OpenAI Codex、Anthropic Claude Code 等为代表的智能体编程工具，以及各类企业内部部署的 AI 协作平台，正在快速分流原本发生在模型 API 直连或聚合路由平台上的调用。这些工具往往内置模型选择逻辑，外部观察者既看不到具体的模型名称，也难以统计调用次数。Mollick 借此强调，传统的「按模型看调用量」统计方式正在失效，业界急需更细致、更分层的数据指标。

对中国开源模型热的再审视

近期 DeepSeek、Qwen 等中国系开源权重模型在全球开发者社区热度持续走高，OpenRouter 等平台上的调用份额数据被频繁引用作为「中国 AI 崛起」的佐证。Mollick 的提醒并非否认这一趋势，而是提醒读者在解读这类数据时保持审慎——份额上升可能既来自真实需求增长，也可能来自测量口径变化所导致的统计偏移。

行业需要更可靠的衡量体系

Mollick 在文末呼吁：「We really need better data indicators for AI！」这一呼声也反映出当前 AI 行业评测体系的一个普遍短板：当模型部署方式日益多样化、调用链路过长时，仅靠少数公开平台的数据已无法支撑严肃的行业分析。第三方研究机构、模型厂商自身披露以及终端产品侧的统计，未来需要形成互补，才能拼出更完整的 AI 使用全景图。