关于报告的所有内容，公众号『行业报告智库』阅读原文或点击菜单获取报告下载查看。
2025 年，大模型 API 服务行业迎来关键发展阶段。随着大语言模型在内容生成、代码辅助、知识检索等场景的快速渗透，“模型能力” 已从单点算法指标转向可规模化交付的在线服务形态。大模型 API 服务作为连接模型与应用的桥梁，让开发者无需自建训练推理基础设施即可按需调用，而 Model-as-a-Service（MaaS）更以云端资源为支撑，将推理成本、时延与稳定性纳入 SLA 框架，大幅降低企业应用门槛。
在模型调用方面，需求侧呈现 “头部集中、多版本共存” 的结构。DeepSeek 与 Qwen 系列构成国内开源模型调用的核心基本盘。从总请求量排序来看，DeepSeek-V3/R1 位居首位，DeepSeek-V3.2 紧随其后，占比达 79.16%。Qwen 家族的多款模型也表现亮眼，Qwen3-32B、Qwen2.5-72B 与 Qwen3-235B-A22B 分别以 40%、33.18%、21.15% 的占比进入高调用梯队。Qwen2.5-72B 调用量维持高位，尽管新模型加速迭代，但 70B 量级稠密架构供给稀缺，部分存量 AI 应用已围绕该模型与 Llama3-70B 完成工程实现、效果调优与线上回归验证，用户更倾向选择这一 “稳定基线”，而非未经验证的新模型。这种选择逻辑，体现出模型选择受 “能力上限 + 迁移成本 + 线上风险 + 可验证性” 的共同影响。
同一模型家族内 “版本并存” 现象也十分普遍。Qwen3-32B 与 QwQ-32B 同属千问系列，参数规模接近且 Qwen3-32B 发布时间更晚，但前者并未完全替代后者。
DeepSeek-V3.1 与 V3.2 推出后，也未挤出 V3 的存量份额。这表明模型迭代并非 “单调替换”，不同任务偏好、推理成本与既有集成依赖，让新旧版本各有生存空间，多版本分层共存成为常态。
从服务商对模型的支持情况来看，DeepSeek 系列最受青睐。AI Ping 收录的 29 家服务商中，23 家支持 DeepSeek-V3/R1 与 DeepSeek-V3.1，24 家支持至少一种 DeepSeek 模型。未支持 DeepSeek 模型的 5 家服务商中，1 家为图像，音视频类服务商，1 家仅提供蒸馏版模型，3 家为仅提供自研模型的独立厂商。DeepSeek 子模型供给呈现明显分层，V3.1与 R1-0528覆盖最广，因其生态可移植性与市场可预期性更强；而 V3与 V3.1-Terminus覆盖度较低，受 “旧版本，特定分支” 的生命周期与产品定位约束。
Qwen 系列的支持度则呈现 “基础模型> 指令模型 > Thinking 模型” 的梯度。以 Qwen3-235B-A22B 系列为例，Base、Instruct-2507、Thinking-2507 分别被 19 家、13 家、10 家服务商接入；Qwen3-30B-A3B 系列也呈现类似递减趋势。但在实际使用中，用户更倾向选择 Instruct 或 Thinking 模型满足明确任务或复杂推理需求，形成 “供给侧易部署通用能力优先、需求侧专用能力集中” 的结构性供需错位，这一细节值得 MaaS 平台关注。
在服务商竞争层面，行业格局也逐渐清晰。模型丰富度上，头部服务商供应量基本接近，基石智算与派欧云的开源模型覆盖数量最多，均为 27 个，体现出中国开源模型生态的繁荣。价格方面，服务商主流策略是 “贴近官方价”，多数服务商定价与官方价格差异在 5% 以内，官方定价成为生态强锚点，服务商更多通过可用性、稳定性等方面竞争，而非大幅降价。
性能则成为服务商竞争的核心。各服务商性能差距远大于价格差异，API 吞吐速率成为用户选择服务商的首要因素。无论是首字延迟还是端到端完成速度，第三方服务商与模型原厂官方 API 差异明显，且官方渠道并非天然等于性能最优。大量第三方服务商在部分模型上性能超越官方，同时也有部分服务商未达到官方水平。
上下文长度方面，供给侧 “高度一致但存在缺口”。多数服务商能对齐官方规格，但仍有 “上下文缩水” 现象。这对 RAG、长文档问答、合规审计等生产场景影响重大，因为这些场景对上下文有明确最小阈值，一旦缩水，服务可能从 “可用” 变为 “不可用”，或需大幅改造提示词与检索策略。不过，从性能优化趋势来看，多数服务商在持续改善服务水平。热门模型上线后，从首周至末周，TTFT 分布整体下移，首 token 延迟降低，吞吐分布不变或略有提升，且性能波动区间缩小，极端慢启动、低吞吐情形发生频率降低。
应用场景层面，不同任务呈现出显著的分化特征，且模型偏好明显。从 “输入 – 输出” 结构来看，“新闻资讯” 属于 “重输入、轻生成”，依赖大量上下文但输出相对克制；“创意写作” 和 “商业服务” 既需要较多上下文铺垫，又会产生长篇生成，单次请求总体 token 规模更大；“内容营销” 偏向输出较高而输入中等，以生成扩写为主；“专业服务”“知识翻译”“教育娱乐”“技术开发” 等则集中在中短输入与中等输出区域，更接近交互式与工具型任务，对响应时延与稳定性更敏感。
这种场景分化使得模型与任务呈现出稳定的 “匹配” 格局。DeepSeek 系列在部分知识，语言相关任务上占据主导，Qwen 系列在专业服务、创意写作等场景表现突出。企业客户一旦验证某模型能稳定满足特定场景的质量、成本与交付约束，其调用会固化到生产流程中，进一步强化了模型间的分工边界。
路由策略选择上，性能优先策略受用户喜爱。在调研用户中，选择 “性能优先” 路由策略的用户数达到选择 “默认” 策略用户数的 77.1%。而智能路由的效果也十分显著，基于 Qwen3-32B 模型的约 150 万次请求样本显示，智能路由相对官方直连可降低 37.8% 的成本；以 DeepSeek-V3.2 为研究对象的约一百万次请求统计结果表明，智能路由后的整体平均 TPS 较官方提升约 90%，在输出 token 数量较多（>1000）的请求中，平均吞吐提升更为显著。
应用的时空分布也呈现出一定规律。日内尺度上，请求数与用户数整体有明显昼夜节律，凌晨到清晨持续下行，6至8 点达全日低谷，9 点后快速回升，15至16 点形成全日主峰，晚间 18至20 点出现次级高位平台，21至23 点用户数再次走强。周内尺度上，请求数在工作日更容易出现局部热点，周末格局更分散、强度更温和。地域分布上，请求以国内为主，国内其他地区占比 46.3%，北京地区占比 42.8%，境外占比 10.9%，北京占比偏高或与研发与总部集聚程度相关。
下游应用更是跨行业分布，既包含企业生产经营中的效率提升、流程自动化与知识管理等需求，也涵盖生态环境保护、文化遗产传承与社会公益等公共价值导向场景，体现出 AI 技术从单纯生产力工具向更广泛社会主体通用能力演进的趋势，其普惠潜力正逐步显现，有望缩小能力差距与信息鸿沟。
