ओपनराउटर पर डीपसीक सबसे आगे, साप्ताहिक टोकन उपयोग 35.4 ट्रिलियन; चीनी मॉडल शीर्ष पांच स्थानों पर

डीपसीक ने पहले दो स्थान हासिल किए

ओपनराउटर की साप्ताहिक रैंकिंग में डीपसीक के V4.1 Flash 1017 ने 35.4 ट्रिलियन टोकन संसाधित किए। यह अपने पिछले संस्करण से आगे रहा और चीनी डेवलपर्स को शीर्ष पांचों स्थान दिलाए। 26 अक्टूबर, 2026 तक के उपयोग के आंकड़ों वाली इस प्लेटफॉर्म की रैंकिंग में DeepSeek V4.1 Flash 17.4 ट्रिलियन टोकन के साथ दूसरे स्थान पर है।

Z.ai का GLM 5.3 Flash 13.8 ट्रिलियन टोकन के साथ तीसरे स्थान पर रहा। इसके बाद MiniMax M3.1 Flash का मुफ्त संस्करण 12.6 ट्रिलियन और Tencent का Hy4 प्रीव्यू 9 ट्रिलियन टोकन के साथ रहा। OpenAI के GPT-6 Luna ने भी प्रदर्शित सटीकता के स्तर पर 9 ट्रिलियन टोकन दर्ज किए, लेकिन वह छठे स्थान पर रहा।

ओपनराउटर के AI Model Rankings के आंकड़े 19 से 25 अक्टूबर के लिए प्रसारित आंकड़ों का अद्यतन हैं। उन आंकड़ों में डीपसीक के नए मॉडल के लिए 33.6 ट्रिलियन टोकन और 801% वृद्धि बताई गई थी; आधिकारिक पेज पर 35.4 ट्रिलियन और 382% वृद्धि दर्ज है। पहले के आंकड़ों में MiniMax तीसरे और GLM चौथे स्थान पर थे, जबकि आधिकारिक पेज पर उनका क्रम उलटा है।

आधिकारिक साप्ताहिक तालिका में डीपसीक के दोनों शीर्ष संस्करणों ने मिलकर 52.8 ट्रिलियन टोकन संसाधित किए। इसका नया संस्करण अकेले अपने पिछले संस्करण से दोगुने से कुछ अधिक टोकन संभाल रहा था। 17 अक्टूबर को घोषित अपडेट के बाद यह उल्लेखनीय बदलाव सामने आया।

ओपनराउटर एक ही एप्लिकेशन प्रोग्रामिंग इंटरफेस यानी API के जरिए डेवलपर्स को कई कंपनियों के मॉडल से जोड़ता है। इसकी रैंकिंग इस सेवा से गुजरने वाली गतिविधि दर्शाती है। व्यापक AI बाजार में कंपनियों के सीधे API, अन्य क्लाउड सेवाएं, निजी इंस्टॉलेशन और उपभोक्ता ऐप्लिकेशन भी शामिल हैं।

टोकन रैंकिंग क्या मापती है

ओपनराउटर प्रॉम्प्ट टोकन यानी मॉडल को भेजी गई सामग्री और कंप्लीशन टोकन यानी मॉडल द्वारा तैयार की गई सामग्री, दोनों की गिनती करता है। टोकन पाठ का एक छोटा हिस्सा होता है, कभी पूरा शब्द और कभी शब्द का एक अंश। किसी लंबे दस्तावेज या विस्तृत बातचीत में हजारों टोकन हो सकते हैं।

अनुरोध एक अलग इकाई है: यह मॉडल से कोई काम करने के लिए किया गया कॉल होता है। एक अनुरोध में छोटे अनुवाद के लिए कहा जा सकता है, जबकि दूसरे में बड़ा सॉफ्टवेयर प्रोजेक्ट देकर व्यापक बदलाव करने को कहा जा सकता है। दोनों एक-एक अनुरोध गिने जाएंगे, लेकिन उनके टोकन की संख्या में काफी अंतर हो सकता है।

ओपनराउटर समन्वित सार्वभौमिक समय (UTC) के अनुसार उपयोग को दैनिक खंडों में जोड़ता है। इसकी साप्ताहिक तालिका में सबसे हाल के पूरे खंड के साथ समाप्त होने वाले सात दिन शामिल होते हैं, जबकि मासिक तालिका पिछले 30 दिनों की अवधि दिखाती है। रैंकिंग के ऊपर दी गई तारीख सबसे नए उपयोग खंड की पहचान करती है।

मुफ्त संस्करणों सहित मॉडल के अलग-अलग रूपों की अलग प्रविष्टियां होती हैं और निजी के रूप में चिह्नित अनुरोध शामिल नहीं किए जाते। ओपनराउटर चार्ट के अनुसार गतिविधि को टोकन या अनुरोधों में मापता है; उपयोगकर्ताओं, खर्च और मॉडल की क्षमता के लिए अलग मापदंड चाहिए।

चीनी मॉडलों की बढ़त बड़ी, लेकिन गिनती का दायरा सीमित

19 से 25 अक्टूबर के लिए प्रसारित आंकड़ों में ओपनराउटर की कुल गतिविधि 188 ट्रिलियन टोकन रही, जो पिछले सप्ताह से 14.63% अधिक थी। उन्हीं आंकड़ों में चीनी मॉडलों के लिए 93.54 ट्रिलियन और अमेरिकी मॉडलों के लिए 22.47 ट्रिलियन टोकन बताए गए। साथ ही कहा गया कि चीनी मॉडल लगातार 26 सप्ताह से अधिक टोकन संसाधित कर रहे हैं।

विस्तृत ब्योरे के मुताबिक, चीनी और अमेरिकी मॉडल के ये कुल आंकड़े शीर्ष नौ मॉडलों के उपयोग से जुड़े हैं। इस आधार पर चीनी मॉडलों ने अमेरिकी मॉडलों से लगभग 4.16 गुना अधिक मात्रा संभाली। यह अनुपात 93.54 ट्रिलियन को 22.47 ट्रिलियन से भाग देकर निकाला गया है। उन नौ स्थानों में से छह पर चीनी मॉडल थे।

प्रकाशित वृद्धि तुलना में पिछले सप्ताह के मुकाबले चीनी मॉडलों की मात्रा 18.14% और अमेरिकी मॉडलों की मात्रा 29.44% बढ़ी। इस अवधि में प्रतिशत के लिहाज से अमेरिकी मॉडल तेजी से बढ़े, जबकि सूचीबद्ध समूह में चीनी मॉडलों का टोकन कुल कहीं अधिक रहा।

प्रतिस्पर्धा को समझने के लिए यह वर्गीकरण अहम है। ओपनराउटर पर इन दो राष्ट्रीय श्रेणियों से अधिक देशों और प्रदाताओं के मॉडल उपलब्ध हैं, और इसका कुल ट्रैफिक शीर्ष नौ प्रविष्टियों से आगे तक फैला है। 188 ट्रिलियन का आंकड़ा प्लेटफॉर्म की बताई गई गतिविधि दर्शाता है, हर सेवा पर दुनिया भर में AI के कुल उपयोग को नहीं।

डीपसीक अनुरोधों में भी सबसे आगे

19 अक्टूबर से शुरू हुए सप्ताह में टेक्स्ट अनुरोधों की हिस्सेदारी वाले ओपनराउटर के अलग चार्ट में भी डीपसीक सबसे आगे रहा। इसकी हिस्सेदारी 26.5% थी, जबकि Google की 20.1%, OpenAI की 18.5% और Z.ai की 10.7% रही।

Google पर डीपसीक की बढ़त 6.4 प्रतिशत अंक और OpenAI पर 8 प्रतिशत अंक रही। Google और OpenAI की संयुक्त हिस्सेदारी 38.6% थी। इससे पता चलता है कि चीनी मॉडल टोकन रैंकिंग में आगे रहे, फिर भी इन दोनों अमेरिकी डेवलपर्स की मौजूदगी काफी मजबूत थी।

टेक्स्ट अनुरोधों में Anthropic की हिस्सेदारी 5.5%, Qwen की 4.7%, MiniMax की 2% और Tencent की 1.8% रही। Mistral AI की हिस्सेदारी 2% थी, जबकि अन्य सभी डेवलपर्स की कुल हिस्सेदारी 8.3% रही।

अनुरोधों की हिस्सेदारी से बाजार का एक अलग पहलू समझने में मदद मिलती है। कई छोटे संवाद संभालने वाले प्रदाता की अनुरोध हिस्सेदारी बड़ी हो सकती है, जबकि कम लेकिन कहीं लंबे काम संभालने वाला प्रदाता अधिक टोकन संसाधित कर सकता है। मॉडल चुनते समय डेवलपर्स के लिए संवादों की संख्या और हर संवाद में शामिल काम की मात्रा, दोनों अहम हो सकते हैं।

अक्टूबर में हुए फेरबदल के पीछे नए मॉडल

डीपसीक ने 17 अक्टूबर को V4.1 Flash 1017 की घोषणा की। यह 10 सितंबर को जारी V4.1 Flash पर आधारित था। अपडेट में तर्क, कोडिंग, स्वचालन और तस्वीरों से जुड़े कार्यों पर ध्यान दिया गया। कंपनी ने मॉडल के वेट्स भी उपलब्ध कराए, जिससे अन्य लोग इसे चलाने में इस्तेमाल होने वाले संख्यात्मक पैरामीटर प्राप्त कर सकते हैं।

MiniMax ने 19 अक्टूबर को M3.1 Flash जारी किया। इसके कुछ ही समय बाद इसका मुफ्त संस्करण साप्ताहिक सूची के शीर्ष समूह में शामिल हो गया। इस क्रम में दो नए मॉडल ऐसे दौर में सीधे प्रमुखता से उभरे, जब प्लेटफॉर्म पर गतिविधि तेजी से बढ़ रही थी।

• 10 सितंबर, 2026: डीपसीक ने V4.1 Flash जारी किया।
• 17 अक्टूबर: डीपसीक ने V4.1 Flash 1017 अपडेट की घोषणा की।
• 19 अक्टूबर: MiniMax ने M3.1 Flash जारी किया।
• 19 से 25 अक्टूबर: व्यापक रूप से प्रसारित उपयोग आंकड़ों में शामिल साप्ताहिक अवधि।
• 26 अक्टूबर: ओपनराउटर की आधिकारिक रैंकिंग में दिखाई गई नवीनतम उपयोग तारीख।

आधिकारिक साप्ताहिक तालिका में 41% गिरावट के बावजूद डीपसीक का पुराना V4.1 Flash गतिविधि का बड़ा स्रोत बना रहा। नए संस्करण में 382% वृद्धि हुई। दोनों संस्करणों की मौजूदगी से संकेत मिलता है कि बदलाव के दौरान डेवलपर्स दोनों का उपयोग कर रहे थे, हालांकि रैंकिंग अलग-अलग ग्राहकों के मॉडल बदलने के फैसलों का ब्योरा नहीं देती।

दैनिक और मासिक तालिकाएं अलग तस्वीर दिखाती हैं

नवीनतम पूर्ण दिन में भी DeepSeek V4.1 Flash 1017 सबसे आगे रहा और उसने 5.42 ट्रिलियन टोकन संसाधित किए। GLM 5.3 Flash 2.27 ट्रिलियन के साथ दूसरे स्थान पर था, जबकि पुराना DeepSeek V4.1 Flash 2.21 ट्रिलियन के साथ उससे थोड़ा पीछे रहा।

पहले स्थान पर रहते हुए भी दैनिक अग्रणी मॉडल की मात्रा पिछले दिन से 6% कम रही। Tencent का Hy4 प्रीव्यू 44% बढ़कर 1.4 ट्रिलियन टोकन पर पहुंचा, जबकि GLM 5.3 में 56% वृद्धि के साथ यह आंकड़ा 892 अरब रहा। इससे पता चलता है कि मॉडल के बीच गतिविधि कितनी तेजी से बदल सकती है।

पिछले 30 दिनों में पुराना DeepSeek V4.1 Flash 123 ट्रिलियन टोकन के साथ पहले स्थान पर रहा। GLM 5.3 Flash 50.7 ट्रिलियन के साथ दूसरे स्थान पर था। नया डीपसीक मॉडल 42.7 ट्रिलियन के साथ चौथे स्थान पर रहा, जबकि Space Bunny Alpha 46.9 ट्रिलियन के साथ उससे आगे था।

Xiaomi का MiMo-V2.6-Flash इन अवधियों का अंतर दिखाता है। आधिकारिक साप्ताहिक तालिका में वह 5.32 ट्रिलियन टोकन के साथ नौवें स्थान पर रहा, जो 44% कम था। लेकिन 30 दिनों की अवधि में वह 38.8 ट्रिलियन के साथ पांचवें स्थान पर था, जो पिछले 30 दिनों से 807% अधिक था। एक मजबूत महीने के आखिरी सप्ताह में गतिविधि कमजोर हो सकती है।

कोडिंग और एजेंट इतने अधिक टोकन क्यों इस्तेमाल करते हैं

MiniMax के मुताबिक M3.1 Flash ने जटिल एजेंट कार्यों, कंप्यूटर संचालन, सॉफ्टवेयर विकास और साइबर सुरक्षा में प्रदर्शन बेहतर किया। कंपनी ने यह भी कहा कि ऑनलाइन इन्फरेंस की गति लगभग तीन गुनी हो गई और उपयोग लागत 70% कम हुई। इन्फरेंस का मतलब प्रशिक्षित मॉडल को उत्तर तैयार करने या कोई कार्य करने के लिए चलाना है।

AI एजेंट केवल एक जवाब देने के बजाय कई कार्रवाइयों के क्रम में काम करता है। कोडिंग एजेंट फाइलों की जांच कर सकता है, बदलाव सुझा सकता है, कोई टूल चला सकता है, नतीजा पढ़ सकता है और फिर काम में संशोधन कर सकता है। हर चरण में मॉडल को अधिक जानकारी भेजी जा सकती है, जिससे टोकन का उपयोग बढ़ता है।

24 फरवरी को प्रकाशित पहले के आंकड़ों में चीनी मॉडलों की पिछली पीढ़ी के आसपास यही रुझान दिखा था। उस साप्ताहिक तालिका में MiniMax M2.5 2.45 ट्रिलियन टोकन के साथ सबसे आगे था, जबकि Kimi K2.5 1.21 ट्रिलियन के साथ दूसरे स्थान पर था। शीर्ष दस के लगभग 8.7 ट्रिलियन टोकन में चीनी मॉडलों की हिस्सेदारी 5.3 ट्रिलियन यानी करीब 61% थी।

MiniMax M2.5 का साप्ताहिक उपयोग 197% बढ़ा था, जबकि GLM-5 में 158% वृद्धि हुई और Kimi K2.5 में 20% गिरावट आई। MiniMax ने कहा था कि रिलीज के बाद पहले सात दिनों में M2.5 ने 3.07 ट्रिलियन से अधिक टोकन संसाधित किए। ये आंकड़े अलग-अलग अवधियों के हैं, लेकिन साथ मिलकर दिखाते हैं कि तेजी से बढ़ता उपयोग और मॉडलों के बीच अचानक बदलाव अक्टूबर के फेरबदल से पहले भी हो रहे थे।

Kimi K2.5 को समानांतर रूप से काम करने वाले 100 एजेंटों तक का समन्वय करने के लिए बनाया गया था। ओपनराउटर ने M2.5 के आसपास 100,000 से 1 मिलियन टोकन वाले इनपुट में वृद्धि भी दर्ज की। इससे पहले की तेजी को एजेंट वर्कफ्लो में इस्तेमाल होने वाले संदर्भ की बड़ी मात्रा से जोड़ा गया।

कम कीमतें बार-बार किए जाने वाले काम की लागत बदलती हैं

फरवरी में मॉडल जारी होने के आसपास प्रकाशित कीमतों से पता चलता है कि बार-बार कई चरण चलाने वाले डेवलपर्स लागत पर करीबी नजर क्यों रखते हैं। MiniMax M2.5 और GLM-5, दोनों के लिए प्रति दस लाख इनपुट टोकन की कीमत $0.30 थी, जबकि Claude Opus 4.6 के लिए यह $5 थी, यानी करीब 16.7 गुना अधिक।

प्रति दस लाख टोकन आउटपुट की कीमत MiniMax M2.5 के लिए $1.10, GLM-5 के लिए $2.55 और Claude Opus 4.6 के लिए $25 थी। बताई गई दरों पर 10 मिलियन आउटपुट टोकन तैयार करने की लागत क्रमशः $11, $25.50 या $250 होगी; इसमें अन्य शुल्क या छूट शामिल नहीं हैं।

अक्टूबर में जारी मॉडलों में भी परिचालन लागत पर ध्यान बना रहा। डीपसीक ने व्यस्त और कम व्यस्त समय के लिए अलग-अलग कीमतें रखीं, जबकि MiniMax ने समान दरें पेश कीं। दोनों तरीकों से डेवलपर्स उन ऐप्लिकेशन का खर्च नियंत्रित कर सकते हैं जो बार-बार लंबी बातचीत, दस्तावेज या कोड मॉडल को भेजते हैं।

डीपसीक ने अपना DeepInfer इन्फरेंस फ्रेमवर्क भी जारी किया, जिसके बारे में कहा गया कि यह Nvidia हार्डवेयर और Huawei Ascend प्रोसेसर, दोनों को सपोर्ट करता है। इसकी बताई गई प्रसंस्करण क्षमता प्रति क्लस्टर प्रतिदिन करीब 155 ट्रिलियन टोकन थी। यह आंकड़ा मॉडल सेवाएं चलाने वाले बुनियादी ढांचे से जुड़ा है, ओपनराउटर के जरिए आने वाले ट्रैफिक से नहीं।

ट्रैफिक और खर्च के रुझान अलग हैं

ओपनराउटर की बताई गई साप्ताहिक टोकन मात्रा अक्टूबर 2025 के अंत में 5.51 ट्रिलियन से बढ़कर अक्टूबर 2026 के अंत में 188 ट्रिलियन हो गई। इन दोनों आंकड़ों को भाग देने पर पहले के स्तर से करीब 34 गुना वृद्धि निकलती है, जो प्लेटफॉर्म पर काम का दायरा तेजी से बढ़ने को दिखाती है।

काम पर खर्च के आंकड़े इस वृद्धि का एक और पहलू बताते हैं। सामान्य कार्यों की हिस्सेदारी 32.1%, एजेंट वर्कफ्लो की 30.9% और कोडिंग की 26.7% थी। इस ब्योरे में दिखाई गई कुल खर्च राशि में इन तीन श्रेणियों की संयुक्त हिस्सेदारी 89.7% थी।

वर्गीकरण पर खर्च की रैंकिंग में Claude Opus 5.5 सबसे आगे रहा, जिसकी हिस्सेदारी 10.3% थी। वर्गीकरण का अर्थ किसी चीज को लेबल या श्रेणी देना है, जैसे ग्राहक के अनुरोध की पहचान करना, दस्तावेज को टैग करना या तय करना कि कोई संदेश किस वर्कफ्लो को भेजा जाए।

डेवलपर्स के बिल टोकन की संख्या के साथ-साथ कीमतों पर भी निर्भर करते हैं। कम कीमत वाला मॉडल कहीं अधिक मात्रा संभाल सकता है, लेकिन हर टोकन से कम आय दे सकता है। मुनाफा कंप्यूटिंग, सेवा संचालन और भुगतान करने वाले ग्राहकों को सेवा देने की लागत पर निर्भर करता है। इन आंकड़ों में इस अवधि के प्रदाताओं के राजस्व और मुनाफे का ब्योरा नहीं है।

चीन में AI का उपयोग सामान्य भाषा मॉडलों से भी आगे तक फैला है। 40 से अधिक देशों के मौसम विभागों ने क्लाउड सेवाओं के जरिए MAZU मौसम चेतावनी मॉडल का उपयोग किया है। इसके अनुकूलित संस्करण पाकिस्तान, इथियोपिया और सोलोमन द्वीप सहित सात देशों में तैनात किए गए हैं। ऐसे विशिष्ट अनुप्रयोग दिखाते हैं कि सार्वजनिक API रैंकिंग से बाहर भी मॉडल उपयोगकर्ताओं तक कैसे पहुंचते हैं।

मुख्य बातें

• ओपनराउटर की आधिकारिक साप्ताहिक तालिका में DeepSeek V4.1 Flash 1017 35.4 ट्रिलियन टोकन के साथ सबसे आगे रहा, जबकि V4.1 Flash 17.4 ट्रिलियन के साथ दूसरे स्थान पर था।
• चीनी डेवलपर्स के मॉडल शीर्ष पांच स्थानों पर रहे। GLM 5.3 Flash तीसरे, MiniMax M3.1 Flash का मुफ्त संस्करण चौथे और Hy4 प्रीव्यू पांचवें स्थान पर था।
• 19 अक्टूबर से शुरू हुए सप्ताह में टेक्स्ट अनुरोधों में डीपसीक की हिस्सेदारी 26.5% रही, जो Google और OpenAI से अधिक थी।
• चीनी मॉडलों की लगातार 26 सप्ताह की बढ़त का दावा ओपनराउटर पर उपयोग से संबंधित है; 19 से 25 अक्टूबर के लिए बताए गए विस्तृत राष्ट्रीय आंकड़े शीर्ष नौ मॉडलों के हैं।
• कोडिंग, एजेंट वर्कफ्लो और कम कीमतें मॉडल के साथ बार-बार होने वाली लंबी बातचीत में वृद्धि को समझने में मदद करती हैं।
• ओपनराउटर की रैंकिंग प्लेटफॉर्म ट्रैफिक मापती है, जबकि खर्च, मॉडल की क्षमता और प्रदाताओं का मुनाफा अलग-अलग मापदंड हैं।