Kinesiske AI-modeller førte på OpenRouter for 15. uge i træk

OpenRouters opgørelse for 3.-9. august 2026 viste, at kinesiskudviklede store sprogmodeller fortsatte deres føring over amerikanske modeller for 15. uge i træk. På tværs af de modeller, som platformen følger, stod kinesiske modeller for 34,25 billioner tokens mod 9,17 billioner for amerikanske modeller. Det samlede ugentlige volumen nåede 69 billioner tokens – en stigning på 21,48 procent fra ugen før. 313

Det er et markant signal om, hvilke modeller udviklere vælger på en markedsplads, hvor man kan sende forespørgsler videre til mange forskellige AI-modeller gennem én API-tjeneste. Men tallene viser ikke, at kinesiske modeller står for størstedelen af al LLM-brug i verden. OpenRouter medtager ikke trafik, der går direkte gennem leverandørernes egne produkter og API'er. 30

Tallene fra 3.-9. august

Den rapporterede opgørelse viser en tydelig forskel i den routede brug:

• Samlet tokenvolumen: 69 billioner, en stigning på 21,48 procent fra uge til uge. 313
• Kinesiskudviklede modeller: 34,25 billioner tokens, op 21,76 procent. 313
• Amerikanskudviklede modeller: 9,17 billioner tokens trods en rapporteret ugentlig vækst på 109,36 procent. 313
• Føringsstreak: Kinesiske modeller lå foran amerikanske modeller for 15. uge i træk. 913

Kinesiske modeller stod dermed for omtrent halvdelen af det registrerede volumen. De amerikanske modeller voksede hurtigere procentuelt, men fra et væsentligt mindre udgangspunkt. Sammenligningen bør derfor læses som et billede af modelsammensætningen på OpenRouter – ikke som en direkte opgørelse over landenes samlede markedsandele inden for AI.

Kinesiske modeller tog alle fire topplaceringer

Den mest iøjnefaldende udvikling ses på den individuelle rangliste. Ifølge rapporter baseret på OpenRouter-data lå fire kinesiske modeller øverst:

1. DeepSeek-V4-Flash-0731: 8,83 billioner tokens, op 570 procent fra ugen før
2. Tencent Hy3: 8,05 billioner tokens, op 67 procent
3. DeepSeek-V4-Flash-0423: 5,88 billioner tokens, ned 19 procent
4. Xiaomi MiMo-V2.5: 5,39 billioner tokens, ned 14 procent 91013

Føringen kom altså ikke kun fra én enkelt model. DeepSeeks officielle 0731-version indtog førstepladsen, men Tencent og Xiaomi havde også modeller blandt de mest brugte, mens den tidligere DeepSeek-forhåndsversion stadig lå i top fire. Bredden gør resultatet mere interessant end et kortvarigt spring fra én leverandør.

Nogle senere omtaler angiver andre tokenmængder for OpenRouter-perioder, der ligner denne. Tallene ovenfor er de tal, der går igen i rapporteringen om ugen 3.-9. august, og de bør behandles som rapporterede platformstal – ikke som en uafhængigt revideret måling af det globale AI-forbrug. 45

Hvorfor DeepSeek-V4-Flash-0731 fik betydning

DeepSeek lancerede V4-Flash-0731 i offentlig API-beta den 31. juli. Den tilgængelige rapportering beskriver modellen som en geneftertrænet version af den tidligere V4-Flash-arkitektur frem for en større afløser. Den beholdt samme mixture-of-experts-design med 284 milliarder parametre i alt og 13 milliarder aktive parametre pr. token. 3940

Den rapporterede forbedring kom fra en ny omgang eftertræning – den fase i modeludviklingen, der former, hvordan modellen bruger sine underliggende evner. Omtalen af lanceringen pegede på bedre resultater inden for agentopgaver, programmering og matematik, samtidig med at arkitektur og parametertal var uændret. 343639

For udviklere er forskellen vigtig. OpenRouter-ranglisten antyder, at brugen kan flytte sig hurtigt, når en eksisterende arkitektur får en nyttig eftertræningsopdatering og samtidig tilbydes via en API med høj kapacitet og lave omkostninger. Dataene beviser ikke, at benchmarkforbedringerne alene udløste DeepSeeks vækst på 570 procent. Men lanceringen den 31. juli og det efterfølgende spring i brug gør opdateringen til en væsentlig del af forklaringen på resultatet. 31340

Påstande om, at modellen i gennemsnit kostede præcis 0,03 dollar pr. benchmarkopgave, at den var 100 gange billigere end en navngiven Anthropic-model, eller at den definitivt var verdens billigste større model, er ikke fastslået af det gennemgåede materiale. API-priser varierer også efter leverandør og routing-aftale; de tilgængelige lister viser forskellige priser hos DeepSeeks egen API og på OpenRouter. 204046

OpenAIs Luna-fremgang viser, at pris stadig betyder noget

Amerikanske modeller var ikke fraværende fra ranglisten. OpenAIs GPT-5.6 Luna lå ifølge rapporteringen på femtepladsen med 4,43 billioner tokens, og brugen steg 128 procent i løbet af ugen. 30

OpenAI sænkede officielt API-prisen på Luna med 80 procent den 30. juli. Den oplyste pris blev dermed 0,20 dollar pr. million inputtokens og 1,20 dollar pr. million outputtokens. 20 Tidspunktet gør den lavere pris til en sandsynlig medvirkende faktor til Lunas vækst, selv om de tilgængelige data ikke peger på én entydig årsag.

Det nuancerer den brede fortælling om Kina over for USA. Udviklere reagerer tilsyneladende på prisnedsættelser fra alle store leverandører. Kinesiske modellers føring kan ikke forklares alene med, at der findes et billigere alternativ, men prisen er fortsat et vigtigt konkurrenceparameter, når virksomheder vælger model.

Hvad ranglisten faktisk fortæller

Den mest holdbare konklusion er mere snæver – og samtidig mere nyttig – end at »kinesisk AI har vundet globalt«. På OpenRouters udviklerorienterede markedsplads vandt kinesiske modeller stort på brug og indtog førende placeringer på tværs af flere produkter.

Mønstret passer med en konkurrencefordel, der bygger på flere forhold:

• Pris: Lave API-priser kan gøre store mængder forespørgsler økonomisk mulige.
• Kapacitet og gennemløb: Praktisk drift handler ikke kun om benchmarkresultater, men også om at kunne håndtere mange forespørgsler stabilt.
• Opgavekvalitet: Programmering, værktøjsbrug, agentarbejde og matematik kan påvirke, hvilke modeller udviklere fastholder i produktion.
• Tilgængelighed og fleksibilitet: Modeller, der kan tilgås gennem samme routinglag, er lettere at teste og skifte mellem.
• Faktisk anvendelse: Tokenvolumen viser, hvad udviklere rent faktisk sendte gennem platformen i løbet af ugen, men ikke hvorfor de valgte den enkelte model.

At kinesiske modeller tog de fire øverste pladser, er derfor et stærkere tegn på reel anvendelse end en benchmarktabel alene. Tokenoptællingen fortæller dog ikke noget sikkert om kvaliteten af hver enkelt forespørgsel, brugernes identitet, rentabilitet eller hvor meget af trafikken der kom fra eksperimenter frem for varige produktionsløsninger.

Hvad tallene ikke beviser

OpenRouters opgørelse bør ikke bruges som en komplet global rangliste. Direkte brug af ChatGPT, leverandørernes egne API'er, virksomhedsaftaler og andre routingplatforme ligger uden for den beskrevne måling. 30

Det gennemgåede kildemateriale bekræfter heller ikke uafhængigt alle påstande om, at MiniMax M3 og Stepfun Step 3.7 Flash forsvandt fra top 10, at Gemini 3.6 Flash nåede præcis 2,33 billioner tokens med en vækst på 446 procent, eller at DeepSeek havde en bestemt pris pr. benchmarkopgave. Sådanne detaljer bør kontrolleres mod et primært OpenRouter-datasæt eller leverandørernes egen dokumentation, før de præsenteres som fastslåede fakta.

Konklusion

Dataene for 3.-9. august viste, at kinesiske modeller førte OpenRouter i 15 uger i træk med 34,25 billioner tokens mod 9,17 billioner for amerikanske modeller. Samtidig var alle fire topplaceringer besat af kinesiske systemer. 313

Den mest forsvarlige læsning er, at kinesiske modeller var blevet særdeles konkurrencedygtige i den del af udviklermarkedet, som OpenRouter repræsenterer. Det skyldtes ikke nødvendigvis lave priser alene, men en kombination af pris, kapacitet, nyere eftertræningsforbedringer og anvendelig kvalitet. Den afgørende begrænsning er, at OpenRouter er et værdifuldt signal om brug – ikke et endeligt mål for det globale LLM-forbrug.