中国开源AI人均消耗6000万Token

作者：快思慢想研究院院长 田丰，Global Times 张蔚蓝

一个人一天能读多少字？一轮普通对话按5000个Token粗算，6000万Token就是一万多轮对话，正好是11月4日DeepSeek Harness用户的人均用量。这么多内容，没有任何一个人类能读完，说明阅读主体已经换成了AI机器。

2026年11月5日晚DeepSeek团队公布：以使用官方API的用户计，Harness在11月4日的日活达到154万，当天消耗Token约92万亿。周日，公司又在X上发布了这组数字。这时离8月13日发布v0.1版本还不到三个月。彭博社称DeepSeek为"中国AI搅局者"，认为它在用开放的、由开发者推动的智能体生态挑战OpenAI和Anthropic。这轮Harness竞赛，对手之间比的不只是模型性能和使用成本，还有围绕它长出来的应用数量规模。中国AI的商业化在加速，市场的注意力正从聊天机器人和模型跑分，转向能执行任务、能嵌进工作流、能靠第三方应用留住用户的工具。

1978年诺贝尔经济学奖得主赫伯特·西蒙说过：信息的丰富，造成注意力的贫乏。人的注意力不够用了，因此人类把海量阅读和任务执行就交给了Agent。

快思慢想研究院院长田丰总结为："中国赢了调用量榜，美国赢了收入榜。"在他看来，Token竞争的主战场正从第三方路由平台，转移到各家自己的Agent运行循环里；消耗Token的用户，也从人变成了机器。

从OpenRouter平台数据分析：11月2日至8日，平台总调用量210万亿Token，环比增长8.25%。其中中国模型116.18万亿，增长16.71%；美国模型13.98万亿，下降32.4%。DeepSeek V4.1-Flash-1017单周调用56万亿，增长17%，排名第一。中国模型的周调用量已经连续28周超过美国。

田丰提醒，OpenRouter只是一个钥匙孔。按最近一周日均87.1万亿算，DeepSeek Harness一周约用610万亿Token，是OpenRouter同期全球周用量的约2.9倍，是中国模型在该平台周用量的约5.2倍。OpenRouter只统计经它转发的API流量。厂商直连、云服务、私有化部署和C端应用，都不在这张榜单里。OpenRouter衡量的只是对价格敏感、改一行接口配置就能换模型的那部分开发者流量。

这部分流量里，付钱的主要是美国开发者。OpenRouter平台用户中美国约占47%，中国约占6%。美国机构调用中国模型的Token占比，2025年上半年约为4.5%，到2026年年中已升至约46%。Token成了一种可以跨境交付的服务贸易品：不用装集装箱，不用过海关，按百万Token结算。

同一时期，Anthropic的收入一路上涨。5月年化收入超过470亿美元，彭博社报道7月底已超过650亿美元，研究机构Sacra估算10月底接近800亿美元。美国头部厂商的主要流量走订阅和直连，不经过第三方路由。中国模型赢下的，是关注性价比的用户流量，靠的是价格；美国守住的，是被订阅锁定的用户，靠的是留存。

DeepSeek Harness是一个开源智能体框架，设计原则是"一切皆插件"。模型、工具、技能、会话、沙箱、存储、循环、调度，全部做成插件。开发者不用改框架源码，就能替换或扩展其中任何一层。官方把它定位为"Agent时代的操作系统"。8月13日以MIT协议开源后，代码仓库两周多就突破了20万颗星。

它的增长曲线和模型版本几乎是同步的。8月13日，Harness首版与V4-Pro同一天发布；9月29日上线桌面端。日活的7日均值，9月30日为27.1万，之后每周依次升到42.9万、66.5万、113万、140万，11月4日达到154万。从10月7日算起，四周里涨到了原来的约3.6倍。10月17日V4.1-Flash-1017上线后，曲线明显变陡。同期月活548万，日活约占月活的28%。

田丰认为，用户量和token用量增长主要来自三股力量的叠加：模型升级、用户共创、错峰使用的低价。模型是发动机，产品是搭车的。模型和外壳出自同一家公司，同一天升级，用户不用改配置就能换上更强、更省钱的模型。只做外壳的公司，跟不上这个节奏。

"一切皆插件"也有另一面：模型本身也是插件，可以接入Claude、GPT。社区评测显示，用户还能在会话里把Claude Code、Codex当作子Agent来调用。开源外壳把美国的闭源模型请了进来，也意味着用户随时可以离开DeepSeek模型。

第二股力量来自用户自己。上线两周后的8月26日，GitHub上dsh-plugin话题下已有11,944个公开仓库。到11月初，第三方插件约3.5万个，约六成活跃用户做过或装过至少一个。Agent的运行循环被拆成插件之后，个性化的边际成本由社区来承担，长尾场景需要的工具也由社区自己做出来。

DeepSeek宣布将建设官方插件市场，同时筹备插件作者支持计划，打算用Token激励、技术交流和作品推荐来鼓励开发者。这个计划目前还在收集意向的阶段。田丰的解读是：这等于用算力给开发者发报酬，加速生态平台在“冷启动”中达到滚雪球的初始阈值。快思慢想研究院认为，只要留得住核心用户，DeepSeek与海外巨头的竞争重点就会从模型价格转向生态广度。田丰判断，真正能锁住用户的就是插件市场和Token激励。胜负要看生态服务层能不能成为护城河，成为行业的事实标准。

插件也有保质期。Anthropic公司Claude Code负责人Boris Cherny在YC的播客里说，团队"为6个月后的模型做产品"。在模型外面搭的脚手架(Harness)，下一代模型往往自己就会做了，也就是说下一代模型能力会“淹没”现在的脚手架。卡帕西把当下称作"智能体的十年"，可靠性要一个9一个9地往上提。照这个逻辑，3.5万个插件里，有相当一部分是在给模型补短板，模型升级两代之后就会被取代。田丰建议，衡量生态不能只数插件总数，要看模型升级两代后仍在日常使用的插件占多大比例。

业内有一种说法认为，全球AI竞争正从比拼参数，转向比拼Agent的落地和生态。田丰认为，中国大模型已经进入数万亿参数的阶段，算力规模和参数规模成正比。但更要紧的是大模型怎么"回血"，也就是如何快速提升营收和自由现金流。Agent之间竞争的核心，是谁能花更少的钱、获得更好的任务结果。

客观上说，参数竞赛还在，只是退到了幕后。DeepSeek V4.1-Flash的骨干网络约有552B参数，公开资料显示另有约196B的Engram参数。输入时每个Token激活约8B参数，输出时约16B，输入端只用到约1.4%的骨干参数。参数原本是对外宣传的指标，现在成了内部的工程变量。

一家按Token收费的公司，开始让模型少说话。DeepSeek称，1017版模型在提高成绩的同时缩短了任务耗时和输出长度，还针对Harness、腾讯CodeBuddy和WorkBuddy做了优化。第三方测评中，同一个DeepSWE任务开到最高档，成本从约3.3元降到约1.3元。DeepSeek算账的单位，已经从"卖了多少Token"换成了"帮用户干完了多少任务"。

太平洋两岸走的是同一条曲线。OpenAI 6月2日披露，Codex周活从年初约60万涨到500万以上，其中约两成是知识工作者。QuestMobile三季度报告显示，9月腾讯WorkBuddy月活3235.3万，百度搭子977万，阿里千问办公790.5万，字节豆包工作204.9万。用户为结果付费，Token就成了成本。

回到6000万Tokens用量这个数字。田丰认为，人均用量这么大，说明AI正从"一问一答"转向长时间自主执行任务，平台越来越像一名"数字员工"。

长时间运行的Agent，大部分Token花在反复重读上下文环节上，而这部分大多能命中缓存。DeepSeek V4.1-Flash闲时价格：缓存命中的输入每百万Token 0.02元，未命中1元，相差50倍；输出4元，是缓存命中输入的200倍；高峰时段价格翻倍。按缓存命中占90%成到95%、峰谷各半粗算，一个每天用6000万Token的用户，日账单约9到16元，月账单约270到480元。Agent贵在调用次数多，单个Token反而便宜。DeepSeek的架构和定价，正是冲着这种"读多写少"的负载特征来设计的。

1865年，英国经济学家杰文斯在《煤炭问题》中指出：蒸汽机越省煤，英国的煤炭总消耗反而越大。Token正在重演这一幕。AI产品能把"重读"做得更便宜，就能吃下最大的用户调用量，定价权也就落到了KV缓存上。田丰认为，DeepSeek选在这个时候公布数据，是在告诉市场：它的护城河正从模型权重延伸到缓存、运行时和插件这一层。AI生产力最看重的，就是这种性价比。

美国的算力已经多到可以出租。Anthropic今年拿到约1GW的谷歌TPU算力；据CNBC报道，2027年起还将再增加约3.5GW。今年5月，它又与已并入SpaceX的xAI签约，包下Colossus 1的全部算力，超过22万张英伟达GPU。Grok的用户规模落后于头部对手，而马斯克说，xAI的训练早已搬到了Colossus 2。

而中国的算力仍供不应求，DeepSeek的办法是错峰定价，和电力一样。8月17日起，工作日9:00至12:00、14:00至18:00按高峰计价，其他时段半价；8月23日起，周末全天按闲时计价。聊天需要即时回复，Agent任务却能排队，可以等到夜里跑。这样一来，算力不够就从"拒绝服务"变成了"调度问题"，和电网削峰填谷是一个道理。

错峰本身也是一种约束。那一轮调价中，DeepSeek V4-Pro高峰时段输出价从每百万Token 6元涨到27元，涨幅350%，白天用它干活的用户成本实实在在上升了。直到9月14日起，V4-Pro的请求改由V4.1-Flash承接、按Flash价格计费。智谱今年一季度的API定价也上调了83%。

任正非2025年6月接受《人民日报》采访时说，华为单芯片落后美国一代，要"用数学补物理、非摩尔补摩尔，用群计算补单芯片"。DeepSeek的对应做法是：用稀疏激活补算力，用缓存补带宽，用错峰补装机量。田丰判断：在长尾Agent市场，这堵墙能绕过去；但AGI前沿模型训练需要的绝对算力规模，短期内仍有待国产AI芯片产能、华为超节点的部署落地补上短板。

按同样的口径粗算，DeepSeek Harness一年的Token账单约为50亿到90亿元，相当于Claude Code在2026年2月年化收入（25亿美元以上，约175亿元）的30%到50%。

这个对比数字说明中国AI应用生态的活跃度已经进入全球第一梯队，正在形成用量大、频次高、黏性强的格局。他也提醒，这些指标替代不了盈利能力，也不能保证每家企业都会长期成功。它们能证明的是：产业的底盘在扩大，市场上的参与者在增多，背后都有规模化算力的支撑。

Anthropic首席执行官达里奥·阿莫代伊在2025年1月发表的《On DeepSeek and Export Controls》中主张：出口管制决定中国能否拿到数以百万计的芯片，进而决定世界走向单极还是两极。DeepSeek Harness的数据从两头印证了这一点。管制在起作用，涨价和错峰就是表现；适应也在发生，稀疏激活、缓存定价、插件生态都是例子。

钱学森讲系统工程，追求的是总体最优，不要求每个分系统都最强。DeepSeek把模型、外壳、定价、调度放在一起优化，三个月就做到了Claude Code 2月年化收入的三到五成。田丰认为：这是算力受限条件下的一次效率突围，是当下竞争阶段性成功。而要想“超车”Anthropic和OpenAI，单位Token收入和前沿模型能力都还得再上一个台阶。中国在Token数量上已经领先，在Token价值上还在快速追赶。

田丰认为，这轮竞争的核心命题，是计量单位从“参数”换成了“任务成本”和“Token价值”。他为此提出三条建议。

1）产业与技术：建一把"元/任务"的公共尺子，来衡量不同Harness完成同等任务的成本。由中国信通院等第三方机构牵头，联合主要模型厂商和Agent框架，发布基于真实任务的成本基准。每类任务都公布成功率、平均耗时、Token消耗、缓存命中率和人民币成本，评测集开源，结果可以复现。大模型跑分只能说明模型有多聪明，"元/任务"指标才能告诉企业值不值得把它放进生产系统，大量投产使用。田丰预计一两年内，主流厂商发布新模型时都会公布任务成本和成功率。先把Harness标准立起来，就能掌握Agent采购的话语权。

2）政策与算力：把Agent中可以延后执行的任务纳入全国算力调度，与"东数西算"和绿电消纳结合起来。建议试点"Agent夜间算力包"（算力期货）：西部算力枢纽在用电低谷提供低价推理，模型厂商开放统一的异步任务接口，地方用电价优惠和算力券补贴中小企业的夜间任务。贵州已在全国较早推出算力券，有现成的经验可以借鉴。高端芯片受限的情况下，提高利用率是最划算的扩容方式。分时计价很可能会成为行业惯例，政策先走一步，就能把"涨价"变成"普惠"。

3）安全与伦理：插件市场要先立规矩，再发激励。具体建议包括：开发者实名，代码签名；读文件、联网、执行命令分开授权；高风险插件人工复核；激励与安全评分挂钩，出过事故的插件取消激励。Harness自带只能追加、不能改写的会话日志，进一步做成行业通用的Agent审计格式，既方便事后追责，也能保护用户数据。Agent要替人操作电脑和账户，用户信任是最宝贵的品牌资产，只有安全先成为能验证、可追溯、可审计的标准，企业和政务客户才敢用，普惠AI才能真正落地千行百业。

Harness带来的竞争，计量单位已经从参数和跑分，变成了每个任务的成本和每个Token的收入。前一项，中国凭开源和工程效率已经占了上风；后一项，美国仍凭订阅锁定和充足的算力暂时握着定价权——这或许就是“普惠AI”与“高利润AI”之间的不同使命。

参考文章：《DeepSeek Harness reports over 1.5 million daily active users, focusing on building out ecosystems, expanding user base: expert》，Global Times 张蔚蓝

出版社：人民邮电出版社

作者：田丰

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。