AnswersPublished23 sources
Kinesiska AI-modeller dominerade OpenRouter – 15 veckor i rad
Kinesiskt utvecklade modeller stod för 34,25 biljoner tokens på OpenRouter, jämfört med 9,17 biljoner för amerikanska modeller. DeepSeek V4 Flash 0731 toppade listan efter en rapporterad ökning på 570 procent, medan kinesiska modeller tog samtliga fyra topplaceringar.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- Kinesiskt utvecklade modeller stod för 34,25 biljoner tokens på OpenRouter, jämfört med 9,17 biljoner för amerikanska modeller.
- DeepSeek V4 Flash 0731 toppade listan efter en rapporterad ökning på 570 procent, medan kinesiska modeller tog samtliga fyra topplaceringar.
- Resultatet pekar på konkurrens inom pris, kapacitet, praktisk kvalitet och efterträning – men OpenRouter är inte ett mått på den globala AI marknaden.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenRouter’s August 3–9, 2026 data reveal about the global token-usage dominance of Chinese LLMs—including their 15th consecutive w. Article summary: The reported OpenRouter figures indicate that Chinese-developed models had become the dominant choice on that platform’s routed API traffic—not merely the cheapest option. But this is a measure of OpenRouter usage, not a. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
OpenRouters användningsöversikt för den 3–9 augusti 2026 visar att kinesiskt utvecklade stora språkmodeller behöll sitt försprång framför amerikanska modeller för 15:e veckan i rad. På plattformen registrerades totalt 69 biljoner tokens under veckan. Kinesiska modeller stod för 34,25 biljoner, medan amerikanska modeller nådde 9,17 biljoner. Den totala volymen ökade med 21,48 procent jämfört med veckan innan. 3
13
Det är en tydlig signal om vilka modeller utvecklare väljer när de använder en gemensam tjänst för att testa och dirigera trafik mellan olika AI-modeller. Däremot är det inte ett bevis för att kinesiska modeller står för merparten av all LLM-användning i världen. OpenRouter fångar inte trafik som går direkt via leverantörernas egna produkter och API:er. 30
OpenRouters siffror för veckan
Den rapporterade användningen visar en betydande skillnad mellan modellgrupperna:
- Total tokenvolym: 69 biljoner, en ökning på 21,48 procent från föregående vecka.
3
13
- Kinesiskt utvecklade modeller: 34,25 biljoner tokens, upp 21,76 procent.
- Amerikanskt utvecklade modeller: 9,17 biljoner tokens, trots en rapporterad ökning på 109,36 procent.
- Ledarsvit: kinesiska modeller låg före amerikanska för 15:e veckan i följd.
9
Kinesiska modeller stod därmed för ungefär hälften av den totala volymen som följdes på plattformen. De amerikanska modellerna växte snabbare procentuellt, men från en betydligt mindre nivå.
Kinesiska modeller tog de fyra första platserna
Ännu mer anmärkningsvärt var den individuella topplistan. De fyra mest använda modellerna var enligt rapporterna samtliga utvecklade av kinesiska företag:
- DeepSeek-V4-Flash-0731: 8,83 biljoner tokens, upp 570 procent från föregående vecka
- Tencent Hy3: 8,05 biljoner tokens, upp 67 procent
- DeepSeek-V4-Flash-0423: 5,88 biljoner tokens, ned 19 procent
- Xiaomi MiMo-V2.5: 5,39 biljoner tokens, ned 14 procent
10
Försprånget byggde alltså inte enbart på en kortvarig framgång för en enda modell. DeepSeeks officiella 0731-version tog förstaplatsen, men Tencent och Xiaomi hade också stora volymer. Dessutom fanns den tidigare DeepSeek-versionen kvar bland de fyra bästa.
Samtidigt har senare rapporter redovisat andra tokenvolymer för jämförbara veckointervall. Siffrorna ovan är de som återkommer i rapporteringen om perioden 3–9 augusti och bör ses som rapporterade plattformsdata – inte som en oberoende revision av den globala AI-användningen. 4
5
Därför blev DeepSeek-V4-Flash-0731 viktig
DeepSeek släppte V4-Flash-0731 i offentlig API-beta den 31 juli. Tillgänglig rapportering beskriver versionen som en eftertränad variant av den tidigare V4-Flash-arkitekturen, snarare än som en större eller helt ny modell. Den behöll samma mixture-of-experts-design med totalt 284 miljarder parametrar, varav 13 miljarder aktiveras för varje token. 39
40
Förändringen låg i stället i efterträningen – den del av modellutvecklingen som påverkar hur modellen använder sina grundläggande förmågor. Rapporter om lanseringen kopplade den nya versionen till förbättrade resultat inom bland annat agentuppgifter, programmering och matematik, samtidigt som arkitektur och parameterantal var oförändrade. 34
36
39
Det är relevant för utvecklare. OpenRouters placering antyder att användningen kan förändras snabbt när en befintlig modell får en effektiv efterträningsuppdatering och samtidigt finns tillgänglig via ett API med hög kapacitet och låg kostnad. Data bevisar inte att benchmarkresultaten ensamma orsakade DeepSeeks ökning på 570 procent, men tidpunkten för lanseringen gör uppdateringen till en viktig del av förklaringen. 3
13
40
Påståenden om att modellen i genomsnitt kostade exakt 0,03 dollar per benchmarkuppgift, att den var hundra gånger billigare än en viss Anthropic-modell eller att den definitivt var världens billigaste större modell stöds däremot inte tillräckligt av det granskade underlaget. API-priserna varierar dessutom mellan leverantörernas egna tjänster och olika routningslösningar. 20
40
46
OpenAI visar att priset fortfarande spelar roll
Amerikanska modeller saknades inte på listan. OpenAI:s GPT-5.6 Luna hamnade på femte plats med 4,43 biljoner tokens, efter en rapporterad användningsökning på 128 procent under veckan. 30
Den 30 juli sänkte OpenAI officiellt priset på Luna-API:t med 80 procent. Det nya listpriset blev 0,20 dollar per miljon inmatningstokens och 1,20 dollar per miljon utmatningstokens. 20 Tidpunkten gör prissänkningen till en tänkbar bidragande faktor till ökningen, även om materialet inte fastställer en enda orsak.
Det nyanserar bilden av en renodlad tävling mellan Kina och USA. Utvecklare verkar reagera på stora prissänkningar oavsett vilken leverantör som genomför dem. Kinesiska modellers ledning kan inte förklaras enbart av billigare API:er, men kostnaden är fortfarande ett av de viktigaste verktygen i kampen om användningen.
Vad statistiken faktiskt säger
Den mest hållbara slutsatsen är mer avgränsad än att ”kinesisk AI har vunnit globalt”. På OpenRouter, en plattform som framför allt används av utvecklare för att jämföra och dirigera trafik mellan modeller, användes kinesiska modeller i stor skala och på flera produkter samtidigt.
Flera faktorer kan ligga bakom utvecklingen:
- Pris: låga API-kostnader gör stora volymer ekonomiskt möjliga.
- Kapacitet och genomströmning: i praktisk drift måste modeller kunna hantera många förfrågningar stabilt.
- Uppgiftskvalitet: programmering, verktygsanvändning, agentflöden och matematik påverkar vilka modeller utvecklare behåller i produktion.
- Tillgänglighet: en gemensam routningsplattform gör det enklare att testa och byta mellan modeller.
- Faktisk användning: tokenvolym visar vad utvecklare faktiskt skickade genom plattformen, även om den inte förklarar varje val.
Att kinesiska modeller tog de fyra första platserna är därför starkare belägg för verklig användarpreferens än enbart en benchmarktabell. Tokenräkningarna säger däremot inget om kvaliteten på varje förfrågan, vilka användarna var, lönsamheten eller hur mycket trafik som kom från experiment jämfört med långsiktig produktion.
Vad statistiken inte bevisar
OpenRouters siffror ska inte läsas som en komplett global topplista. Direkt användning av ChatGPT, leverantörernas egna API:er, företagsavtal och andra routningsplattformar ingår inte i den här översikten. 30
Det granskade materialet bekräftar inte heller självständigt flera mer detaljerade påståenden – exempelvis att MiniMax M3 och Stepfun Step 3.7 Flash lämnat topp tio, att Gemini 3.6 Flash nådde exakt 2,33 biljoner tokens med en ökning på 446 procent eller att DeepSeeks kostnad per benchmarkuppgift uppgick till ett exakt belopp. Sådana uppgifter bör kontrolleras mot ett primärt OpenRouter-dataset eller leverantörernas egen dokumentation innan de presenteras som fastslagna fakta.
Slutsats
Under veckan 3–9 augusti ledde kinesiska AI-modeller OpenRouters användningsstatistik för 15:e veckan i rad. De stod för 34,25 biljoner tokens, jämfört med 9,17 biljoner för amerikanska modeller, och tog samtliga fyra topplaceringar. 3
13
Den mest försiktiga tolkningen är att kinesiska modeller hade blivit särskilt konkurrenskraftiga i den utvecklarkanal som OpenRouter representerar. Framgången verkar inte bara handla om låga priser, utan om en kombination av kostnad, kapacitet, förbättrad efterträning och användbar prestanda. Den avgörande brasklappen kvarstår: OpenRouter är en värdefull temperaturmätare på efterfrågan – men inte ett definitivt mått på all global LLM-konsumtion.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Kinesiska AI-modeller dominerade OpenRouter – 15 veckor i rad"?
Kinesiskt utvecklade modeller stod för 34,25 biljoner tokens på OpenRouter, jämfört med 9,17 biljoner för amerikanska modeller.
What are the key points to validate first?
Kinesiskt utvecklade modeller stod för 34,25 biljoner tokens på OpenRouter, jämfört med 9,17 biljoner för amerikanska modeller. DeepSeek V4 Flash 0731 toppade listan efter en rapporterad ökning på 570 procent, medan kinesiska modeller tog samtliga fyra topplaceringar.
What should I do next in practice?
Resultatet pekar på konkurrens inom pris, kapacitet, praktisk kvalitet och efterträning – men OpenRouter är inte ett mått på den globala AI marknaden.