EmpirioLabs在一个API上运行100多个AI模型，涵盖所有主要实验室以及许多较新的实验室。 这使得该平台成为一个有用的视角，解答一个简单的问题：既然整个候选人都集中在一张账单上且没有锁定，开发者到底选择了哪些车型？
我们查看了平台上的实际使用情况以了解情况。答案是一致的，而且在某种程度上确实令人惊讶。开发者们正集中在新一代实验室中一批快速且性能强劲的模型，他们根据自身实力选择，而不是追求最大的品牌名称。
关于方法的说明：以下每个数据均取自真实的平台汇总流量，并以百分比表示。在讨论偏好时，我们会根据各厂商提供的模型数量进行规范化，这样数字反映的是开发者的选择，而不仅仅是货架上恰好有的。
在100+型号可选中，使用率主要集中在少数几款
数据中的第一个模式是浓度。开发者面前有一个庞大的菜单，但他们并没有分布在菜单上。在实际应用的模型中，最受欢迎的三种占所有语言请求的40%，前十名的模式占近九成。模型的长尾确实存在并有一定使用，但实际工作占有一小部分。
这种专注比表面看起来更重要。这意味着少数型号正在悄悄地为开发者对质量、速度和价格的期望设定基准。新车型并不能与整个领域竞争。它与顶尖的候选名单竞争，如果在实际任务中无法击败这些模型，无论纸面上如何比分，它都会保持在尾部。
使用最频繁的型号
按所有语言使用份额排名，没有单一模型能超越它。Z.ai的GLM车型、MiniMax M3、小米的MiMo和DeepSeek的高速车型都排在顶部，各自占据相似的份额，而其他产品则占据了长尾部。这是一个竞争激烈的顶级群体，而非单一的主导赢家，这很健康：这意味着开发者会积极比较各种选项，而不是默认单一默认。
像这种原始使用只是问题的一个视角。它告诉你请求量流向了哪里，这很有用，但大量用户可能集中在少数重度用户身上，无法反映模型被广泛采用的程度。为此，我们接下来会关注有多少开发者选择每个制作者，这是一种更民主的视角，反映人们实际选择的方案。
这不仅仅是可用性，而是个人偏好
对人气排名提出质疑是合理的。如果目录偏向某种方向，使用量自然会跟随，因此热门模型列表可以简单反映平台决定的库存。为了区分真实偏好与供应情况，我们比较了各制造商的使用份额与其在目录中的份额。
两者之间的差距才是真正的信号，而且非常引人注目。Z.ai 仅占可用型号的一小部分，却占据了最大的单一使用份额。DeepSeek、Moonshot和小米的使用量远超目录中预期的。与此同时，拥有最多型号的制造商阿里巴巴的使用率仅为有限，亚马逊丰富的库存几乎未被触及。
换句话说，开发者不仅仅是利用摆在他们面前的东西。他们主动追求特定的模型，却忽略了同样可用甚至数量更多的模型。可得性不是命运。庞大的目录存在感不会转化为实际使用，除非模型通过实际工作获得认可，而每个模型实验室都应该接受这份工作。
一小部分实验室拥有需求
这种更民主的观点，即统计有多少开发者选择每个制造商作为默认选择，而不是单纯的请求量，将需求集中到一个短名单中。Z.ai 遥遥领先，紧随其后的是DeepSeek和Moonshot，阿里巴巴、小米和MiniMax紧随其后。其他所有人加起来是一个小余数。
将领导者们联系在一起的不是营销预算或家喻户晓的名字。它愿意以快速的速度推出强大且公开可得的车型。赢得开发者关注的实验室，大多是发布能够让团队检查、适应并以低成本运行的强大模型的实验室，而且他们迭代速度足够快，随着期望的提升，能够保持在候选名单中。
速度胜过体型
人们普遍认为开发商会选择他们能负担得起的最大、最智能的车型。使用数据却显示情况并非如此。我们将模型分为两组：轻量版，即Flash、Mini和Lite版本，注重速度和低成本;以及全尺寸型号。大多数语言请求都指向轻量级变体。
这是对真实应用运作方式的理性回应。大多数生产任务，如分类、提取、路由、汇总和短生成，不需要前沿模型，快速、成本低、能在极短时间内回答的模型是更好的工程选择。较大的型号则被保留给真正困难的问题，而非默认能达到的。对于同时关注延迟预算和账单的团队来说，这种直觉值得信赖。
超越文本：开发者生成的内容
用法不仅仅是语言问题。转向媒体生成，这些模式和文本一样集中。图像生成几乎完全通过单一模型完成。视频主要在Kling和Seedance之间分配。值得注意的是，音频工作以转录而非合成为主，这反映了当今团队使用音频模型的方式：更多是为了理解现有声音，而非创造新声音。
同样的规则适用于所有模态。少数模特承担了绝大多数工作，其他模特则争夺剩余部分。
如果你在选择模型，这意味着什么
贯穿这一切的实际教训是，要按任务选择，而不是按品牌。平台上使用最频繁的型号并非最著名的。他们才是那些在特定项目中赢得了真正评估的成本、速度和质量的人。以下是一些习惯，直接从数据中得出：
- 从快速、轻便的层级开始，只有当任务确实需要更大型号时才往上升级。大多数作品都没有。
- 认真评估开放权重模型。在实际使用中，他们不是折中的选择，而是制作工作的默认选择。
- 不要以为最大的目录名称就是最合适的。可用性和质量是两回事，使用数据显示开发者对待这些设备。
- 定期重新检查你的默认设置。在竞争激烈的情况下，任务的最佳模型可能在每个季度之间变化。
总结
2026年真正AI使用的历史是融合与选择。开发者拥有比以往更多的模型，他们通过专注于新一代实验室中快速且具备能力的少数模型来应对。最重要的是，他们选择这些模型是基于实力，而不是因为平台恰好提供了什么。最大的目录存在感并不会获胜。最适合这项工作的模式会做到，而且这种模式越来越开放、快速且成本低廉。
你可以在 EmpirioLabs模型页面。 。 。.
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
