State of AI ist eine empirische Studie, die auf der Analyse von mehr als 100 Billionen Token aus der realen Nutzung großer Sprachmodelle (LLMs) auf der Plattform OpenRouter basiert. Die Studie konzentriert sich auf den Zeitraum von Ende 2024 bis November 2025 und untersucht, wie Menschen diese Modelle tatsächlich in der Praxis nutzen – von den Arten der Aufgaben über geografische Unterschiede bis hin zu Trends bei der Nutzerbindung. Die Daten stammen aus anonymisierten Metadaten zu Milliarden von Interaktionen, ohne Zugriff auf die eigentlichen Texte der Prompts oder Antworten, und wurden mithilfe von Werkzeugen wie GoogleTagClassifier zur Kategorisierung verarbeitet. Die Studie hebt den Wandel von einfacher Textgenerierung hin zu komplexeren Prozessen wie mehrstufigem Schlussfolgern hervor und zeigt, dass offene Modelle inzwischen etwa ein Drittel der gesamten Nutzung ausmachen.
Wachsende Dominanz offener Modelle
Im vergangenen Jahr nahm die Nutzung offener Modelle mit öffentlich verfügbaren Gewichten gegenüber geschlossenen Modellen mit eingeschränktem API-Zugriff deutlich zu. Laut Daten von OpenRouter entfallen inzwischen etwa 30 % des gesamten Token-Volumens auf offene Modelle, nachdem ihr Anteil Ende 2024 noch minimal war. Dieses Wachstum hängt mit der Veröffentlichung wichtiger Modelle wie DeepSeek V3, DeepSeek R1, Kimi K2, der GPT-OSS-Familie und Qwen 3 Coder zusammen, die unmittelbare Nutzungsspitzen auslösten und ihre Popularität auch langfristig halten konnten.
Unter den offenen Modellen spielen in China entwickelte Modelle wie Qwen von Alibaba oder DeepSeek eine bedeutende Rolle. Sie erreichten durchschnittlich 13 % des wöchentlichen Token-Volumens, mit Spitzenwerten von bis zu 30 % in einigen Wochen. Offene Modelle aus dem Rest der Welt, etwa Meta LLaMA oder Mistral AI, kommen dagegen auf einen ähnlichen Anteil von 13,7 %. Geschlossene Modelle, die überwiegend aus Nordamerika stammen, dominieren weiterhin mit 70 %, doch offene Varianten bieten Vorteile bei Preis, Transparenz und Anpassbarkeit, was sie für spezifische Aufgaben attraktiv macht.
Die größten Akteure unter den offenen Modellen sind gemessen am gesamten Token-Volumen DeepSeek mit 14,37 Billionen Token, Qwen mit 5,59 Billionen, Meta LLaMA mit 3,96 Billionen und Mistral AI mit 2,92 Billionen. Im Laufe des Jahres 2025 hat sich der Markt diversifiziert – kein Modell hält inzwischen mehr als 25 % Anteil unter den offenen Modellen, was auf starken Wettbewerb und die schnelle Akzeptanz von Neuheiten wie Minimax M2 oder MoonshotAI Kimi K2 hindeutet.
Eine weitere interessante Erkenntnis ist die Verschiebung bei den Modellgrößen. Kleine Modelle mit weniger als 15 Milliarden Parametern verlieren an Anteil, während mittelgroße Modelle (15 bis 70 Milliarden Parameter) und große Modelle (mehr als 70 Milliarden) wachsen. So begründete Qwen2.5 Coder 32B im November 2024 die Kategorie der mittelgroßen Modelle, und inzwischen stellen diese Modelle eine ausgewogene Wahl zwischen Leistung und Effizienz dar.
Programmierung führt bei den Aufgaben
Die Analyse der Kategorien zeigt, dass Menschen LLMs vor allem für kreatives Rollenspiel und Programmierung nutzen, die zusammen den Großteil des Volumens bei offenen Modellen ausmachen. Rollenspiele beanspruchen bei offenen Modellen etwa 52 % der Token, häufig in Form interaktiver Spiele, Geschichten oder Simulationen, bei denen offene Modelle dank geringerer inhaltlicher Einschränkungen besonders gut abschneiden. Bei offenen chinesischen Modellen etwa liegt der Anteil von Rollenspielen bei 33 %, während Programmierung und Technologie zusammen 39 % erreichen.
Programmierung ist die zweitgrößte Kategorie und wächst rasch – ihr Anteil am gesamten Token-Volumen stieg von 11 % Anfang 2025 auf mehr als 50 % in den letzten Wochen. Nutzer setzen sie für die Codegenerierung, Fehlersuche und Skripterstellung ein, wobei die durchschnittliche Länge der Prompts mehr als 20.000 Token beträgt. Unter den Modellen dominiert Anthropic Claude mit einem Anteil von mehr als 60 % in dieser Kategorie, gefolgt von OpenAI (8 %) und Google (15 %).
Weitere Kategorien umfassen Übersetzungen (mit einer gleichmäßigen Verteilung auf fremdsprachige Quellen), Wissenschaft (80,4 % zu maschinellem Lernen und KI) und Gesundheit (verteilt auf Forschung, Beratung und Diagnostik). Finanzen, akademische Themen und Rechtsgebiete sind stärker fragmentiert und weisen keine dominierenden Unterkategorien auf. Bei Anthropic Claude beispielsweise entfallen mehr als 80 % der Nutzung auf Programmierung und Technologie, während bei DeepSeek Rollenspiele mit zwei Dritteln überwiegen.
Aufstieg agentischen Schlussfolgerns und komplexerer Interaktionen
Einer der markantesten Trends ist die Verlagerung hin zu agentischem Schlussfolgern, bei dem Modelle nicht nur Text generieren, sondern auch planen, Werkzeuge aufrufen und in längeren Kontexten interagieren. Für Schlussfolgern optimierte Modelle wie OpenAI o1 (veröffentlicht am 5. Dezember 2024) verarbeiten inzwischen mehr als 50 % aller Token, verglichen mit einem minimalen Anteil Anfang 2025. Den größten Anteil hat xAI Grok Code Fast 1, gefolgt von Google Gemini 2.5 Pro und Gemini 2.5 Flash.
Die Nutzung von Werkzeugen (Tool-Calling) nimmt zu, wobei der Token-Anteil von minimalen Werten auf ein stabiles Niveau gestiegen ist, überwiegend bei Modellen wie Claude Sonnet oder Gemini Flash. Die durchschnittliche Länge der Prompts hat sich von 1.500 auf mehr als 6.000 Token vervierfacht, während sich die Länge der Ausgaben von 150 auf 400 Token nahezu verdreifacht hat. Dies ist vor allem auf die Programmierung zurückzuführen, bei der die Sequenzen das Drei- bis Vierfache des Durchschnitts erreichen.
Geografische und sprachliche Unterschiede
Die Nutzung von LLMs ist global, weist jedoch deutliche regionale Unterschiede auf. Auf Nordamerika entfallen 47,22 % des Token-Volumens, auf Asien 28,61 % (mit einem Wachstum von 13 % auf 31 %) und auf Europa 21,32 %. Die größten Länder sind die USA (47,17 %), Singapur (9,21 %), Deutschland (7,51 %) und China (6,01 %). Englisch dominiert mit 82,87 % der Token, gefolgt von vereinfachtem Chinesisch (4,95 %), Russisch (2,47 %) und Spanisch (1,43 %).
Die Studie zeigt den sogenannten „Glass-Slipper“-Effekt, bei dem frühe Nutzergruppen (Foundational Cohorts) einem Modell langfristig treu bleiben, wenn es perfekt zu ihren Bedürfnissen passt. Bei Claude 4 Sonnet etwa hielt die Kohorte vom Mai 2025 nach fünf Monaten 40 % der Nutzer, während spätere Kohorten eine hohe Abwanderung verzeichneten. Ebenso weist bei Gemini 2.5 Pro die Juni-Kohorte eine starke Bindung auf. Bei DeepSeek zeigt sich ein „Boomerang“-Effekt, bei dem Nutzer nach dem Ausprobieren von Alternativen zurückkehren.
