2026年被行業視為大模型出海元年。OpenRouter資料顯示，8月17日至23日，中國AI大模型周呼叫量達到40.48萬億Token，環比增長9.88%，連續十七週超過美國，位居全球首位。這一資料表明，中國大模型在國際聚合平台上的使用規模已形成顯著優勢。

與此同時，一款名為Ox Alpha的模型於8月20日深夜以“隱身模型”身份上架OpenRouter，迅速衝至平台呼叫量榜首。六天後，智譜正式認領該模型為GLM系列新一代產品。這一事件在海外開發者社群引發熱議，被視為國產模型全球聲量的又一例證。

國金證券計算機首席分析師劉高暢指出，國產模型已從“技術榜單上的可用”走向“國際開發者工作流中的高頻使用”，尤其在程式設計、Agent、長上下文等高Token消耗場景中形成規模優勢。但他也提醒，OpenRouter的流量資料不能直接等同於全球市場份額、海外使用者數量或海外收入。

OpenRouter的排名指標包括周使用量、消費金額、程式設計智慧體單次會話成本、市場份額等。截至8月24日，平台總Token規模達113T。智譜GLM5.3 Flash（Ox Alpha）、DeepSeek V4 Flash 0731、小米MiMo-V2.5、GPT-5.6 Luna、騰訊Hy3位居Token量前列，國產多個模型Token量級達到10T級別。值得注意的是，“Others”其他模型周Token呼叫量合計40.8T，佔比很高，顯示新模型持續湧入。

不過，Token呼叫量不等於付費收入。OpenRouter資料顯示，按頭部模型任務花費佔比，通用任務佔32.4%、程式碼任務佔30.3%、智慧體Agent任務佔28.7%、資料處理佔8.7%。不同任務的最優模型差異較大，不存在通吃全部付費場景的模型。例如，在付費價值最高的細分任務之一“工作流執行”（佔平台消費18.7%）中，Anthropic的Claude Opus5以13.2%的消費佔比居首，月之暗面的Kimi K3以9.5%位列第二，智譜GLM5.2排第四，DeepSeek V4 Pro 0423排第六，前十中國產模型佔據三席。這表明高階複雜Agent工作流並未被單一模型壟斷，國產模型在付費維度已能與OpenAI同台競爭。

劉高暢認為，國產模型連續多周保持較高Token規模，說明它們已進入真實應用鏈路，尤其是程式設計助手和Agent等場景，單次任務消耗的Token遠高於普通聊天，國產模型憑藉價效比獲得流量具有實際產業意義。但他也指出，若以工作流執行為尺度，國產模型存在高Token呼叫量但付費金額佔比不匹配的矛盾，因為單次單價較低。

商業化方面，一向被稱為“價格屠夫”的DeepSeek近期上調了價格，例如DeepSeek-V4-Pro相比此前每百萬Tokens輸入（快取命中）0.025元、輸入（快取未命中）3元、輸出6元的價格，高峰時段漲幅最高達1100%。劉高暢分析，這顯示DeepSeek正從統一低價獲客轉向按模型能力、時延和峰值容量做收益管理，說明廠商認為模型質量、使用者黏性和生產可用性已具備一定定價權。但專家提醒，漲價只是擴大毛利空間，不等於盈利，價格戰也未必結束，實際盈利仍取決於輸入輸出結構、快取命中率、硬體利用率等因素。

行業常將“模型出海”和“Token出海”混為一談。中國信通院人工智慧研究所國際發展部主任許珊曾表示，“Token出海”在物理意義上還未實現，本質依然是“模型出海”，因為OpenRouter上顯示的中國大模型服務提供方，其資料中心實體多部署在海外。中國電信研究院行業與企業戰略研究所所長饒少陽也指出，中國AI將經歷規模紅利期、生態紮根期、價值主導期三階段漸進式升級。

從近期半年報看，國產廠商海外營收表現亮眼。MiniMax上半年海外市場收入達7083萬美元，佔總收入的60.8%，雖較2025年全年的73%有所下降，但絕對值仍在增長。月之暗面截至6月中旬ARR突破3億美元，Kimi海外付費使用者增長400%，API收入增長400%。根據Ramp 2026年6月5萬餘家美企賬單支付資料，DeepSeek登頂當月軟體趨勢榜，Coinbase、Lindy等美國企業直接付費採購。字節跳動的AI豆包海外版Dola憑藉免費模式等在東南亞、拉美快速崛起，2026年第一季度單季下載量超7200萬次，環比增長47%，累計下載量突破2億次，並在東南亞超越ChatGPT成為下載量最高的AI應用。崑崙萬維2026年上半年營收53.59億元，海外收入52.03億元，同比增長51.21%。快手可靈第二季度AI營業收入超8.5億元，同比增長超200%，一季度約75%收入來自海外，API與訂閱收入之比為6:4，前五個月貢獻最多API收入的十大客戶中八家來自海外。

總體來看，國產大模型出海已從流量層面擴充套件到收入層面，但Token呼叫量與商業化價值之間仍存在落差。未來競爭將不只是“誰最便宜”，而是比單位任務成功成本，包括完成真實工作所需的Token、重試次數、人工糾錯，以及穩定SLA、區域部署、資料保護和企業支援等能力。