市面上那么多大模型，我们到底该如何选择？（1）

推荐语

大模型选择困难？OpenRouter排行榜助你一臂之力。

核心内容：
1. OpenRouter大模型聚合平台及其排行榜介绍
2. 排行榜基于模型的prompt和completion tokens总和
3. 13个使用场景分类下各模型的使用占比分析

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

这篇内容只想解决一个问题：现在市面上那么多大模型，在我们的工作场景中该如何选择？

这里分享一个 OpenRouter 的大模型排行榜：

https://openrouter.ai/rankings

AI爱好者对 OpenRouter 一定都不陌生，它是一个AI大模型聚合平台，汇集了来自OpenAI、Anthropic、Google、DeepSeek等众多厂商的顶尖大模型。

它的排行榜是以每个模型的 prompt and completion tokens 的总和，然后使用 GPT-4 tokenizer 进行标准化后来做比较。

啥意思？

prompt and completion tokens 就是用户输入给模型的提示词token数 和 大模型生成回复的token数的总和。

那么这个 token数的计算统一使用 GPT-4 tokenizer，它是一种计算token的统一标准。

下图就是 GPT-4 tokenizer，输入任何内容就可以显示出对应的token数。

网址：https://platform.openai.com/tokenizer

并且 OpenRouter 排行榜的统计数据每10分钟就更新一次，

这么做实际上就是为了保证公平性。

下面我们看一下这个排行榜，做了13个使用场景分类。

柱状图可以清晰地展示不同模型的使用占比。

注意，它并非是大模型性能排名，而是大模型token使用量排名。

可以看到在各个领域，大家更愿意使用哪款大模型，以及使用量的变化情况。

比方说在 编程（Programming）领域，被使用最多的不是 Claude-3.7-sonnet，也不是刚刚登基的新王 Gemini-2.5-pro，而是 GPT-4o-mini，因为在用户的真实使用场景中，并不一定是哪个模型最强就用哪个，还要考虑价格、使用便利程度、场景适用度等因素。

在编程领域里，主流大模型等使用情况差距不大，但是如果我们看 科技（Technology）和科学（Science）领域，GPT-4o-mini 一家独大，占了88.5%，

那如果你是科学研究工作者，肯定是要优先使用 GPT-4o-mini 看看效果，再试其他的大模型。

还有在经常需要用到的 翻译（Translation）场景，可以看到 Gemini-1.5-Flash-8B 是用得最多的，最近两个月 Gemini-2.0-Flash 的使用量也在增加，大概占了40%左右。

现在各种大模型实在太多了，在自己的工作场景下选择合适的大模型，比选择性能最强的模型更有性价比。

OpenRouter LLM Rankings 在我们选择大模型时是一个很好的做参考指标。