आविष्कार: हम क्या सोचते हैं vs. हम क्या करते हैं जब हम सोचते हैं कि लोग बड़े भाषा मॉडल (एलएलएम) का उपयोग कैसे करते हैं, तो एक परिचित चित्र मन में आता है: उत्पादकता। हम डेवलपर्स कोड को तेजी से कल्पना करते हैं, विपणक ईमेल लिखते हैं, और विश्लेषक घने दस्तावेजों को संक्षेप देते हैं। OpenRouter से एक नवीन अध्ययन, वास्तविक दुनिया के उपयोग के 100 ट्रिलियन से अधिक टोकन का विश्लेषण करता है, एक बहुत अधिक जटिल और आश्चर्यजनक चित्र प्रकट करता है। एआई का उपयोग करने से कई विरोधाभासी सच्चाइयों का पता चलता है. "किलर ऐप" से कोई भी एक अजीब घटना के बारे में बात नहीं करता है जो तय करता है कि कौन से मॉडल लंबे समय तक जीतते हैं, डेटा आज एआई की स्थिति के बारे में हमारे मूल धारणाओं को चुनौती देता है। वास्तव में 1. ओपन सोर्स एआई के लिए सबसे बड़ा उपयोग का मामला काम नहीं करता है; यह खेल है। उत्पादकता इंजन के रूप में एआई के प्रमुख कहानियों के विपरीत, खुले स्रोत (ओएसएस) मॉडल के लिए सबसे बड़ा उपयोग केस रचनात्मक रोलप्ले है. डेटा से पता चलता है कि "स्वास्थ्यकर रोलप्ले" और कहानियां सभी ओएसएस टोकन उपयोग के आधे से अधिक (लगभग 52%) के लिए जिम्मेदार हैं, प्रोग्रामिंग एक दूर से दूसरा है। यह एक महत्वपूर्ण खुलासा है. यह सुझाव देता है कि एक बड़े पैमाने पर उपयोगकर्ता आधार इन अनुभवों के लिए खुले मॉडल के लिए बदल जाता है, क्योंकि वे अधिक रचनात्मक स्वतंत्रता प्रदान करते हैं और अक्सर स्वायत्त मॉडल में पाए जाने वाले वाणिज्यिक सामग्री फिल्टरों द्वारा कम प्रतिबंधित होते हैं. यह निष्कर्ष आईआई-आधारित मनोरंजन, साथीता और इंटरैक्टिव कथा के लिए एक प्रमुख, कम से कम उपभोक्ता मांग को प्रकट करता है. जबकि उद्योग उद्यम समाधानों पर ध्यान केंद्रित करता है, एक चुपचाप बहुमत नई दुनियाओं को बनाने और खोजने के लिए आईआई का उपयोग कर रहा है. 2. "आई एजेंट" की शांत वृद्धि लोग एलएलएम का उपयोग करने का तरीका एक बुनियादी बदलाव के अधीन है. हम सरल, एकल-चरण, प्रश्न और उत्तर बातचीत से दूर और बहु-चरण, उपकरण-आधारित कार्य प्रवाहों की ओर बढ़ रहे हैं. इन "वास्तविक" कार्य प्रवाहों में, मॉडल योजनाओं, कारणों और कार्यों को एक जटिल कार्य को पूरा करने के लिए, अक्सर हर कदम पर प्रत्यक्ष मानव हस्तक्षेप के बिना। यह बदलाव डेटा में स्पष्ट है: तर्क अनुकूलित मॉडल अब सभी उपयोगों का 50% से अधिक संभालते हैं, जो 2025 की शुरुआत में एक निश्चित राशि से एक नाटकीय वृद्धि है। रिपोर्ट इस बदलाव को कठोर शब्दों में रखती है, यह निष्कर्ष निकालती है कि एजेंटिक निष्कर्ष जल्दी से एआई के साथ बातचीत करने के लिए नया डिफ़ॉल्ट बन रहा है। जल्द ही, यदि पहले से ही नहीं, एजेंटिक निष्कर्षण अंतर्दृष्टि का अधिकांश हिस्सा ले जाएगा। इसका मतलब है कि सभी भविष्य के मॉडल के लिए बार उठाया जा रहा है. सफलता अब बस सचमुच पाठ उत्पन्न करने के बारे में नहीं होगी, बल्कि योजना और कार्रवाई की आवश्यकता वाले जटिल, राज्यपूर्ण कार्यों को संभालने के बारे में होगी। 3. ओपन सोर्स चुपचाप एआई बाजार का एक तिहाई कब्जा कर रहा है जबकि एंथ्रोपिक और ओपनएआई जैसे प्रमुख प्रयोगशालाओं से स्वायत्त मॉडल अभी भी बाजार का नेतृत्व करते हैं, ओपन-सॉर्ड मॉडल लगातार 2025 के अंत तक सभी टोकन उपयोग के लगभग एक तिहाई को कब्जा करने के लिए बढ़ रहे हैं। इस विस्तार का एक प्रमुख ड्राइवर Qwen और DeepSeek जैसे प्रदाताओं से चीन द्वारा विकसित ओएसएस मॉडल की वृद्धि थी. ये मॉडल कुछ हफ्तों में केवल 1.2% की साप्ताहिक बाजार हिस्सेदारी से लगभग 30% तक बढ़ गए, जो दुनिया भर के उपयोगकर्ताओं के साथ तेजी से आकर्षण हासिल कर रहे थे। यह प्रवृत्ति एआई पारिस्थितिकी तंत्र में एक "बहुत टिकाऊ डबल संरचना" को इंगित करती है. स्रोत का सुझाव है कि स्वायत्त और ओएसएस मॉडल के बीच संतुलन वर्तमान में ओपन सोर्स के लिए लगभग 30% पर स्थिर हो गया है. यह संतुलन मौजूद है क्योंकि डेवलपर्स उच्च विश्वसनीयता उद्यम कार्यों के लिए स्वायत्त सिस्टम चुनते हैं, जबकि अन्य महत्वपूर्ण कार्य भारों के लिए ओएसएस की लागत प्रभावीता और अनुकूलन का लाभ उठाते हैं. एआई परिदृश्य एक विजेता-खेल-सभी बाजार नहीं बन रहा है. इसके बजाय, यह एक पूरक पारिस्थितिकी तंत्र है जहां डेवलपर्स काम को पूरा करने के लिए दोनों खुले और बंद मॉडल का एक मिश्रण 4. क्यों एआई एक कच्चा माल नहीं है (लेकिन) कई लोगों ने भविष्यवाणी की है कि एआई मॉडल जल्दी से एक सस्ता माल बन जाएंगे, जबकि मूल्य मुख्य विभेदक है. डेटा, हालांकि, एक अलग कहानी बताता है. एलएलएम के लिए मांग आश्चर्यजनक रूप से मूल्य-इनेलास्टिक है, जिसका अर्थ है कि मूल्य परिवर्तन का उपयोग पर बहुत कम प्रभाव पड़ता है. अध्ययन के अनुसार, मूल्य में 10% की कमी उपयोग में एक छोटे से 0.5-0.7% की वृद्धि के अनुरूप है. एक व्यावसायिक बाजार के बजाय, पारिस्थितिकी तंत्र ने अलग-अलग आर्चेटाइप्स में विभाजित किया है: प्रीमियम लीडर: एंथ्रोपिक के Claude 4 Sonnet जैसी मॉडल उच्च कीमतों को नियंत्रित करते हैं, लेकिन अभी भी बड़े पैमाने पर उपयोग देखते हैं, यह साबित करते हुए कि उपयोगकर्ता शीर्ष स्तर की गुणवत्ता और विश्वसनीयता के लिए एक प्रीमियम भुगतान करने के लिए तैयार हैं। प्रभावी विशाल: गूगल की जेमिनी फ्लैश और डीपसेक जैसे मॉडल कम लागत और उच्च मात्रा को जोड़ते हैं, जिससे वे लागत संवेदनशील, बड़े पैमाने पर कार्यों के लिए डिफ़ॉल्ट विकल्प बन जाते हैं। प्रीमियम विशेषज्ञ: ओपनएआई के जीपीटी-एक्सएनएक्स प्रो जैसे अत्यधिक महंगे मॉडल को सबसे अधिक जोखिम वाले कार्यों के लिए कम से कम उपयोग किया जाता है, जहां प्रदर्शन एकमात्र चीज है जो मायने रखती है और लागत माध्यमिक है। Long Tail: Qwen 2 7B Instruct और IBM Granite 4.0 माइक्रो जैसे मॉडलों के पास रॉक-ब्लॉक मूल्य है, लेकिन सीमित पहुंच है, जो कि क्षमता और मॉडल बाजार फिटता केवल लागत से परे महत्वपूर्ण अंतर है। यह विभाजन बाजार की वर्तमान स्थिति के बारे में एक महत्वपूर्ण अंतर्दृष्टि को प्रकट करता है। अपेक्षाकृत फ्लैट मांग लचीलापन इंगित करता है कि एलएलएम अभी तक एक कच्चा माल नहीं हैं; कई उपयोगकर्ता गुणवत्ता, क्षमताओं या स्थिरता के लिए एक प्रीमियम का भुगतान करने के लिए तैयार हैं। अब तक, विशेषज्ञता और विश्वसनीय प्रदर्शन अक्सर महंगा होता है, खासकर पेशेवर या मिशन महत्वपूर्ण कार्य भारों के लिए। 5. एआई में जीतना सिंड्रेला की "ग्लास स्लिपर" की तरह है एक बाजार में जहां नए मॉडल लगातार जारी किए जाते हैं, किसी भी एकल मॉडल को एक स्थायी लाभ कैसे बनाता है? अध्ययन में उपयोगकर्ता भंडारण को समझाने के लिए "ग्लास स्लिपर प्रभाव" नामक एक नया फ्रेमवर्क का प्रस्ताव है। विचार सरल है: जब एक नया मॉडल उपयोगकर्ताओं के एक समूह के लिए एक महत्वपूर्ण, पहले से ही अप्रत्याशित जरूरत को हल करने वाला पहला है, तो यह एक "सुंदर फिट" प्राप्त करता है। ये प्रारंभिक उपयोगकर्ता "आधारित कोहर्ट्स" बनाते हैं जो लंबे समय तक मॉडल के साथ रहते हैं, जो बाद में इसे अपनाने वाले उपयोगकर्ताओं की तुलना में बहुत अधिक भंडारण दिखाते हैं। एक स्पष्ट उदाहरण जुलाई 2025 में Gemini 2.5 प्रो के लिए कोहर्ट और मई 2025 में Claude 4 Sonnet के लिए कोहर्ट में देखा जा सकता है, जो पांच महीने बाद अपने उपयोगकर्ताओं के लगभग 40% को बनाए रखा; बाद के कोहर्टों की तुलना में बहुत अधिक दर। इस घटना का मतलब है कि एआई की तेजी से चलती दुनिया में, "पहले हल करने के लिए" लाभ अविश्वसनीय रूप से शक्तिशाली और टिकाऊ है। एक क्रांतिकारी मॉडल का सच्चा संकेत सिर्फ हाईप या बेंचमार्क नहीं है, बल्कि इन चिपकने वाले, बुनियादी उपयोगकर्ता समूहों का शांत गठन है जिन्होंने अपना सही फिट पाया है। निष्कर्ष: एआई की असली कहानी अभी भी लिखी जा रही है वास्तविक दुनिया में एआई का उपयोग अधिक रंगीन, विविध और आश्चर्यजनक है कि मुख्यधारा की कहानियों से पता चलता है। डेटा एक पारिस्थितिकी तंत्र को दिखाता है जो खेलने वाली रचनात्मकता से उतना ही प्रभावित होता है जितना कि उत्पादकता से, जो तेजी से जटिल, एजेंटिक कार्य प्रवाहों की ओर बढ़ रहा है। जैसा कि एआई एक सरल उपकरण से एक जटिल सहयोगी होने से आगे बढ़ता है, अगले में अप्रत्याशित व्यवहार और हत्यारे ऐप्स क्या दिखाई देंगे? पॉडकास्ट: यहाँ Spotify: यहां एप्पल पॉडकास्ट: यहां Spotify के लिए: यहां