原題:What We Think vs. What We Do 人々がLarge Language Models(LLM)を使用する方法について考えるとき、生産性というよく知られているイメージが思い浮かびます。我々は、開発者がより速くコードし、マーケターがメールを書くこと、アナリストが密集したドキュメントを概要することを想像します。 OpenRouterによる革新的な新しい研究で、現実世界の使用量の100兆トークンを分析し、さらに複雑で驚くべき画像が明らかになりました。 「killer app」から、誰も話さない「killer app」から、長期的にどのモデルが勝つかを決定する奇妙な現象まで、データは今日のAIの状態についての私たちのコア仮定に挑戦します。 実際 1. オープンソースAIの最大の用例は、働きではなく、遊びです。 生産性エンジンとしてのAIの支配的な話とは異なり、オープンソース(OSS)モデルの最大の単一使用例はクリエイティブロールプレーである。 これは重要な発見です。これは、これらの体験のためのオープンモデルに大規模なユーザーベースが向かうことを示唆しています。これらのモデルはより大きな創造的自由を提供し、しばしば独占モデルの商用コンテンツフィルターによって制限されません。この発見は、AI駆動のエンターテイメント、コミュニケーション、インタラクティブフィクションに対する大規模な消費者の需要を明らかにします。 2.「AIエージェント」の静かな立ち上がり 人々がLLMを使用する方法は根本的な変化を経験しています。私たちは単純な、単一回転、質問と答えの相互作用から、複数のステップ、ツール統合ワークフローに向かって移動しています。 この変化はデータに明らかである:推理最適化モデルは現在全体の使用量の50%以上を処理しており、2025年初頭の軽微な金額から劇的に増加している。この推理への移行は、平均的なユーザーのプロンプトが2024年初頭以来、全体のコードベースを分析するなどのタスクに対応するために約4倍に増加したため、より複雑なワークロードによって促進されています。 報告書は、この変化を厳格な用語に置き、エージェント的推論がAIとの相互作用の新しいデフォルトに急速に成長していると結論づける。 もうすぐ、もしもすでにいないならば、エージェント的推論は推論の大半を占めるだろう。 成功は、もはや単に信憑性のあるテキストを生成することではなく、計画と行動を必要とする複雑で国家的なタスクを処理することになります。 オープンソースは、AI市場の3分の1を静かに占めています。 AnthropicやOpenAIなどの主要な研究所の独占モデルが依然として市場をリードしている一方で、オープンソースモデルは2025年末までにすべてのトークンの使用量の約3分の1を占めるよう徐々に成長している。 この拡大の主な要因は、QwenやDeepSeekなどのプロバイダーから中国で開発されたOSSモデルの増加であり、これらのモデルはわずか1.2%の毎週の市場シェアから数週間で30%近くに成長し、グローバルユーザーとともに急速に引き寄せを得た。 この傾向は、AIエコシステムにおける「持続可能な二重構造」を示唆している。この情報源は、独占型とOSSモデルのバランスが現在オープンソース向けの約30%に安定していることを示唆している。このバランスは、開発者が高信頼性のエンタープライズタスクのための独占型システムを選択する一方で、OSSのコスト効率性と他の重要なワークロードのカスタマイズを活用しているためのものである。 なぜAIは商品ではないのか(Yet) 多くの人々は、AIモデルが急速に安価な商品になり、価格が主な差異を引き起こすだろうと予測しているが、データは異なるストーリーを物語る。LLMの需要は驚くほど安定していない、つまり価格の変化は使用にほとんど影響を与えません。研究によると、価格の10%減少はわずかな0.5%の使用増加に相当します。 商品化された市場の代わりに、生態系は別々のアーケートタイプに分割されています。 プレミアムリーダー:AnthropicのClaude 4 Sonnetのようなモデルは高い価格を指揮しますが、依然として大量の使用を観察し、ユーザーはトップクラスの品質と信頼性のためにプレミアムを支払う用意があることを証明します。 効率的な巨人: Google の Gemini Flash と DeepSeek のようなモデルは、低コストと高ボリュームを組み合わせ、コストに敏感で大規模なタスクのためのデフォルト選択になります。 プレミアム・スペシャリスト:OpenAIのGPT-5 Proのような超高価なモデルは、パフォーマンスが重要であり、コストが次元である最も高額なタスクに節約的に使用されます。 The Long Tail: Qwen 2 7B InstructやIBM Granite 4.0 Microのようなモデルは、価格が低いが、範囲が制限されているため、能力とモデル市場の適合性が単なるコストを超える重要な差別要因であることを強調しています。 この分割は、市場の現在の状態に関する重要な洞察を明らかにします。 比較的平らな需要の柔軟性は、LLMはまだ商品ではないことを示唆します; 多くのユーザーは品質、能力、または安定性のためのプレミアムを支払う用意があります。 今のところ、専門的な能力と信頼できるパフォーマンスは、特にプロフェッショナルまたはミッションに重要なワークロードの場合、しばしばコストがかかります。 AIで勝つことはシンデレラの「ガラススリッパー」のようなもの 新しいモデルが絶えずリリースされている市場では、どのようにして単一モデルが持続的な利点を構築するのか?この研究は、「ガラススリッパー効果」と呼ばれる新しいフレームワークを提案し、ユーザーの保持を説明する。 これらの初期のユーザーは、長期的にモデルに固執し、後で採用するユーザーよりもはるかに高い保存率を示す「基礎的なコホート」を形成します。 明確な例は、2025年6月の Gemini 2.5 Pro のコホートと、5月の Claude 4 Sonnet のコホートで、5ヶ月後にユーザーの約 40% を保持しました; 後続のコホートよりもはるかに高い割合です。 この現象は、AIの急速に変化する世界で、「最初に解決する」利点は信じられないほど強力で持続可能であることを意味します。革新的なモデルの本当のシグナルは、ハイプやベンチマークだけではなく、完璧なフィットを見つけたこれらの粘着した、基礎的なユーザーグループの静かな形成です。 結論:AIの本当の歴史はまだ書かれている AIの現実世界での使用は、主流の物語が示唆するよりもはるかに複雑で、多様で、驚くべきものである。データは、複雑で、エージェント的なワークフローに向かって急速に移行している、生産性よりも遊びやすい創造性によって駆動される生態系を示しています。 AIが単純なツールから複雑な協力者に移行するにつれて、次にどのような予期せぬ行動や殺人アプリが現れるのでしょうか。 Apple Podcast:こちら Spotify:こちら アップルPodcast: ここ Spotify : ここ
