面对众多大模型难以抉择？OpenRouter排行榜为你提供决策参考。
核心要点：
1. 介绍OpenRouter大模型聚合平台及其排行榜功能
2. 排行榜基于模型prompt与completion tokens总和进行统计
3. 分析13个使用场景下各模型的使用占比数据

当前市面上大模型层出不穷，令人眼花缭乱，实际工作场景中该如何精准选择？本文聚焦这一问题，提供实用参考。

这里推荐一个非常实用的参考工具——OpenRouter平台的大模型排行榜：
https://openrouter.ai/rankings

熟悉AI领域的开发者对OpenRouter应当不陌生，它是一个大模型聚合平台，集成了OpenAI、Anthropic、Google、DeepSeek等多家厂商的顶尖模型。

排行榜的计算方式是什么？核心逻辑非常清晰：统计每个模型的prompt与completion tokens总和，再通过GPT-4 tokenizer进行统一标准化处理，从而使不同模型的token消耗量可以在公平的尺度下进行比较。

具体而言，prompt和completion tokens指的是用户输入的提示词token数加上模型生成的回复token数。而GPT-4 tokenizer则相当于一个标准计量单位，任何输入内容都能计算出对应的token数量。
网址：https://platform.openai.com/tokenizer

排行榜的统计数据每10分钟更新一次，目的很明确：确保数据的时效性和公平性。

查看这个排行榜，它划分了13个使用场景，通过柱状图清晰展示各模型在不同场景中的使用占比。需要注意的是，这并非模型性能排名，而是token使用量排名——它反映的是真实场景中用户更倾向于使用哪款模型，以及使用量的变化趋势。

例如，在编程领域，使用量最大的既不是Claude-3.7-sonnet，也不是近期备受关注的Gemini-2.5-pro，而是GPT-4o-mini。原因很简单：用户在实际场景中并非一味追求最强模型，还需要综合考虑价格、易用性、场景匹配度等因素。

再看科技与科学领域，GPT-4o-mini以88.5%的使用占比遥遥领先。如果你是科研工作者，不妨先用它测试效果，再与其他模型进行对比。

在翻译场景中，Gemini-1.5-Flash-8B是主力模型，近两个月Gemini-2.0-Flash的使用量也在持续上升，大约占据40%左右的份额。

如今大模型层出不穷，与其盲目追求最强性能指标，不如在自己的工作场景中寻找最具性价比的选择。OpenRouter LLM Rankings正是做出这一判断的绝佳参考。