今年以来，在龙虾热的带动下，中国AI大模型的调用量大幅增长，但是就在最近中国AI大模型的周调用量突然出现大幅下降，这是怎么回事？为啥大家突然不用了？
一、中国AI大模型周调用量大降？
《每日经济新闻》根据OpenRouter最新数据测算，在4月13日至19日的一周中，全球AI大模型总调用量为20.6万亿Token，连续两周下滑。
其中，上榜的AI大模型中，中国AI大模型的周调用量下滑至4.441万亿Token，连续两周下滑，较此前一周下滑23.77%；美国AI大模型周调用量为4.908万亿Token，环比增长20.62%。美国AI大模型周调用量在近两个月以来首次超越中国。
《每日经济新闻》注意到，在全球调用量排名前九中，有四款中国AI大模型。其中，DeepSeek V3.2排名第二，周调用量达1.28万亿Token；MiMo-V2-Pro排名第四，周调用量达1.15万亿Token，环比增长90%；MiniMax旗下两款模型上榜，MiniMax M2.5排名第六，周调用量达1.05万亿Token；MiniMax M2.7排名第七，周调用量达0.961万亿Token，环比下滑19%。
据凤凰财经的报道，词元（token）消耗规模激增，是AI应用扩张最直观的证据。中国国家统计局数据显示，3月国内日均词元调用量超过140万亿，比上年末增长超40%。在智能体等高词元消耗场景下，成本优势让国产模型对价格敏感型开发者更具吸引力。
二、为啥大家突然不用中国AI大模型了？
最近，中国AI大模型周调用量大幅下滑的消息引发行业关注，不少人疑惑，曾经被视为科技新风口的大模型，为何突然“失宠”？这其中的原因到底是什么？
首先，调用下降本质是价格杠杆机制的回归。前些年，AI大模型市场尚处于培育阶段，各家企业为了迅速扩大市场份额、吸引开发者入驻，普遍采用了低价甚至免费的策略。这种策略在市场初期确实起到了立竿见影的效果，大量的开发者被吸引过来，调用量呈现出爆发式增长。然而，市场环境是不断变化的，随着技术的逐步成熟和市场格局的初步稳定，各家国产大模型企业纷纷调整策略，开始涨价。毕竟互联网时代，先免费后收费的套路早已经屡见不鲜，从之前的共享经济产品，到现在的大模型产品其实无一例外。
虽然涨价是顺理成章的事情，但成本的上涨对于开发者来说，无疑是一个沉重的负担。对于许多中小型企业和个人开发者而言，他们本身资金实力有限，在面对高昂的调用成本时，不得不重新审视自己的开发计划和预算安排。原本可以随意调用大模型进行各种实验和开发的场景，如今变得谨慎起来。前不久，笔者一个朋友的公司就碰到过类似的情况，之前年初公司要求每个人都要部署自己的龙虾使用，但是之后公司发现token实在是用不起了，赶快下通知要求每个人使用龙虾都要提前报备并且根据实际产出提供token。
毕竟，在商业世界中，投入产出比是每个决策者都必须考虑的重要因素。当调用大模型的成本超过了其带来的收益预期时，付费意愿自然会下降，进而导致调用量的减少。这种变化是市场规律作用下的必然结果，也反映出企业在市场不同发展阶段策略调整对产业链下游产生的深远影响。
其次，应用模式的转变引发词元消耗量剧增。AI应用场景的深层变革，让大模型的调用成本与技术门槛同步攀升，倒逼开发者进入审慎调用阶段，这是技术迭代带来的必然阵痛。过去，AI应用多集中在传统的问答式交互，场景简单、逻辑清晰，对大模型的调用效率和资源消耗相对可控，基本上一个对话只要消耗少量的token，不会有大的问题。
但从今年开始，伴随着以OpenClaw为代表的智能体的兴起，AI应用从被动回应转向主动完成任务，这种跨越式的场景升级，让大模型的调用模式发生了根本性改变。智能体需要处理复杂的任务链条，涉及多轮推理、动态决策和跨场景协同，每一次任务执行背后，都是指数级增长的词元消耗，这意味着调用成本不再是线性提升，而是呈现出爆发式增长。笔者自己就尝试过多次，只是几个很简单的任务，几百万的token就在短时间内被快速消耗掉了，所耗费的费用动辄几十上百。
对于开发者而言，这种成本压力已远超预期，即便有技术实力，也必须权衡投入产出比，不敢再像过去那样随意调用大模型进行试错和探索。可以说，智能体带来的技术变革，让大模型从“好用”变成了“用不起”，这种成本与效率的失衡，直接抑制了开发者的调用热情，也让调用量的下滑成为必然。
第三，市场新鲜感消退，流量回归理性。智能体等新应用的热度回落，本质是市场对“伪需求”的自发筛选，是新奇效应褪去后的价值回归，这印证了产业发展的客观规律。在OpenClaw智能体刚出现时，其自主完成任务的新鲜感迅速点燃市场，无论是个人用户还是企业开发者，都将其视为AI落地的终极形态，纷纷涌入体验，这种爆发式的关注带来了短期的流量高峰，也让大模型调用量随之水涨船高。
但随着使用深度的提升，大部分人逐渐发现，智能体并非人人可用的万能工具，其使用需要具备一定的技术储备和场景适配能力，对于普通用户而言，操作门槛过高，目前OpenClaw能解决的问题还是相对比较基础的，即使是最近大火的“养马Hermes”也不是那么适用于每个人。对于多数企业而言，落地成本与实际收益不匹配，无论是OpenClaw还是Hermes仅能满足少数特定场景的需求，难以形成规模化应用。这种理想与现实的差距，让智能体的新奇效应迅速消退，流量和调用量自然回归到理性区间。
第四，AI大模型产业的逻辑正在全面重塑。伴随着市场进入新的发展阶段，全面回归理性已成为不可逆转的趋势。对于国产大模型企业来说，如何在价格与流量之间找到一个平衡点，成为了决定其长期发展的关键问题。
如果企业一味地追求高价格，虽然可能在短期内获得较高的利润，但会导致开发者和用户的流失，调用量下降，最终影响企业的市场份额和品牌影响力。相反，如果企业为了吸引流量而过度降低价格，甚至继续采用低价或免费的策略，虽然可以在一定程度上提高调用量，但可能会面临成本压力过大、盈利能力不足等问题，不利于企业的可持续发展。
不过好在我们也看到了很多新的希望，刚刚发布的DeepSeek V4大模型不仅没有出现大规模的涨价的现象，反而选择了逆市降价，核心逻辑就是DeepSeek通过自身技术的优化，利用稀疏注意力架构和混合专家模型成功地大规模降低了自身的成本，让推理一次的token消耗量快速降低，这才是AI大模型发展的必然趋势。从物理上，利用中西部地区便宜的绿色能源以及低温的优势，可以大幅降低算力的成本，从而从物理层面上降低自身的价格。在技术上，利用技术创新实现全流程的优化，从而降低单次推理的成本。这种双管齐下的逻辑才是未来的关键。
因此，国产大模型企业需要根据自身的技术实力、市场定位和成本结构等因素，制定出合适的定价策略。这个定价策略既要能够覆盖企业的成本，保证一定的利润空间，又要具有市场竞争力，能够吸引开发者和用户的使用。同时，企业还需要不断优化产品和服务，提高大模型的性能和稳定性，降低词元消耗量，为开发者和用户提供更好的体验。只有这样，才能在价格与流量之间找到一个最佳的平衡点，确保自身的长期优势。