Récapitulatif des données d’octobre 2026
Le volume de jetons a augmenté de 37 % en octobre
Notre analyse des faits marquants de l’IA du mois dernier. Le volume de jetons a grimpé en flèche, le prix par jeton a continué de baisser et le trafic agentique représente désormais la majorité de ce qui transite par OpenRouter.
Points forts
- Le volume de jetons a continué d’augmenter : en hausse de 37 % par rapport à septembre et multiplié par près de 25 depuis janvier.
- Le prix effectif par jeton a baissé : le prix moyen combiné par jeton a continué de diminuer et, le mois dernier, il était inférieur de 57 à 70 % aux moyennes de janvier.
- Les modèles de décision reçoivent désormais 21 % de toutes les requêtes : bien que cette catégorie n’existe que depuis quelques semaines, les modèles de décision reçoivent désormais plus de requêtes que toute autre modalité, à l’exception des modèles textuels.
790 billions de jetons en octobre
Octobre a été le mois le plus important de l’histoire d’OpenRouter : 790 000 milliards de jetons, soit une hausse de 37 % par rapport à septembre et un volume impressionnant de 25 fois celui de janvier.
La hausse était généralisée, mais la mise à jour de DeepSeek V4.1 Flash, ainsi que le lancement de Haiku 5.5 et du reste de la famille Claude 5.5, y ont largement contribué.
Volume mensuel, de janvier à octobre
OpenRouterLes agents consomment 76 % de tous les jetons
La prédominance des agents n’a fait que s’accentuer au cours de 2026. Nous classons chaque clé API comme agentique, humaine ou mixte à l’aide d’un classificateur pondéré à sept signaux, dont le taux d’appels d’outils, le nombre de tours et la temporalité des requêtes.
Il y a un an, les clés utilisées par des agents représentaient 8 % des jetons. En octobre, elles en représentaient 76 %, soit environ 600 T jetons.
Jetons mensuels par type
OpenRouterL’usage agentique se distingue par le renvoi du même contexte, souvent volumineux, à chaque tour, ce qui rend la mise en cache des prompts plus importante pour les agents que pour l’usage humain. En octobre, la plupart des fournisseurs ont servi des préfixes mis en cache pour 85 à 97 % des jetons de prompt agentiques. Le taux médian de succès du cache a fortement augmenté, passant de 76,1 % en juin à plus de 90 % en octobre.
Taux de succès du cache pour les agents par fournisseur d’inférence
OpenRouterLa taille des bulles représente les jetons agentiques servis. La couleur indique la tranche du taux de succès du cache.
- Taux de succès du cache inférieur à 70 %
- 70–90%
- Plus de 90 %
Les modèles à poids ouverts ont rebondi
La part des jetons payants des modèles à poids ouverts est tombée à 52 % durant la semaine du 28 septembre, lors du lancement de Claude Opus 5.5, Sonnet 5.5 et GPT-6.1 Sol . Deux semaines plus tard, elle était repassée au-dessus de 70 %, principalement grâce à DeepSeek V4.1 Flash.
Les modèles à poids ouverts représentent environ un quart des dépenses payantes, contre 11 % en janvier, et cette part n’a pratiquement pas évolué au cours du dernier trimestre environ.
Part hebdomadaire des jetons et des dépenses pour les modèles à poids ouverts
OpenRouterLe prix effectif par jeton a baissé de 57 à 70 % depuis janvier
Le prix moyen pondéré par million de jetons est passé de 1,21 $ à 0,52 $ pour les modèles à poids fermés et de 0,28 $ à 0,084 $ pour ceux à poids ouverts. L’écart entre eux s’est creusé, passant de 4,3× à 6,2×.
Ce prix effectif peut varier pour de nombreuses raisons : les prix catalogue des modèles, la répartition des modèles elle-même ou le taux de succès du cache par session. La baisse des prix des modèles à poids fermés en août était principalement due à un changement de répartition : GPT-5.6 Luna, à environ 0,07 $ par million de jetons, est devenu le modèle fermé payant le plus utilisé dans les jours qui ont suivi son lancement.
Prix effectif par 1M de jetons
OpenRouterPart des modèles de chaque laboratoire
En général, le trafic de chaque laboratoire se concentre sur quelques modèles, et la version la plus récente prend habituellement le dessus en un mois. Sélectionnez un laboratoire pour voir comment sa répartition des jetons et des dépenses a évolué au fil de l’année.
Répartition des modèles au sein de chaque laboratoire
OpenRouterLes six premiers modèles par nombre de jetons en octobre, ainsi que tous les autres.
- Claude Opus 5.5
- Claude Sonnet 5.5
- Claude Haiku 5.5
- Claude Opus 5
- Claude Sonnet 5
- Claude Fable 5.1
- Other
Part des jetons
Part des dépenses
Les laboratoires de modèles à poids ouverts en tête de la croissance
Depuis mai, Z.ai a vu son volume mensuel de jetons multiplié par environ vingt et DeepSeek le sien par environ douze. Côté dépenses, celles de Z.ai ont été multipliées par environ six, Anthropic a enregistré une hausse de 76 %, et MiniMax une baisse de 20 %, malgré une forte augmentation de son volume de jetons.
La croissance des différents laboratoires est rarement linéaire. Dans un calendrier de sorties toujours plus concurrentiel, le moment choisi pour lancer un nouveau modèle peut faire fortement varier la croissance d’un laboratoire en un seul mois.
Croissance depuis mai par laboratoire
OpenRouterJetons ou dépenses mensuels pour chaque laboratoire, sur une base de 100 en mai.
Le classement par tâche met deux modèles en avant
Nous classons un échantillon de requêtes dans les catégories de tâches de notre classement . En nombre de jetons, DeepSeek V4.1 Flash arrive en tête pour la plupart des tâches de programmation et d’agent. Passez aux dépenses et Claude Opus 5.5 domine la majeure partie du classement.
Parmi les autres modèles qui font leur apparition figurent Jev 1.13, le modèle de décision de TypeSafe, et GLM 5.3 Flash, avec de solides performances tant en extraction de données qu’en transformation des données.
Meilleur modèle par tâche, octobre
OpenRouterLes cinq premières tâches de chaque catégorie par nombre de jetons. La taxonomie des classements comprend deux tâches liées aux données.
Général
Classification
TypeSafe Jev 1.1314 % des jetons de la tâche
Questions-réponses et connaissances
Step 5 Preview33 % des jetons de la tâche
Jeu de rôle et fiction
DeepSeek V4 Flash
11 % des jetons de la tâche
Rédaction de contenu
GLM 5.3 Flash21 % des jetons de la tâche
Synthèse
Step 5 Preview67 % des jetons de la tâche
Programmation
Génération de code
DeepSeek V4.1 Flash
23 % des jetons de la tâche
Débogage
DeepSeek V4.1 Flash
19 % des jetons de la tâche
Entrées/sorties de fichiers
DeepSeek V4.1 Flash
17 % des jetons de la tâche
Revue de code
DeepSeek V4.1 Flash
17 % des jetons de la tâche
Exécution shell
DeepSeek V4.1 Flash
24 % des jetons de la tâche
Agent
Exécution de workflows
DeepSeek V4.1 Flash
16 % des jetons de la tâche
Planification en plusieurs étapes
DeepSeek V4.1 Flash
18 % des jetons de la tâche
Répartition des appels d’outils
DeepSeek V4.1 Flash
17 % des jetons de la tâche
Extraction de mémoire
MiMo V2.6 Flash17 % des jetons de la tâche
Recherche web
DeepSeek V4.1 Flash
15 % des jetons de la tâche
Données
Extraction de données
GLM 5.3 Flash12 % des jetons de la tâche
Transformation des données
GLM 5.3 Flash29 % des jetons de la tâche
Les laboratoires aux poids fermés (et DeepSeek) sont en tête en matière de fidélisation des utilisateurs
Il existe de nombreuses façons de mesurer la fidélisation pour un modèle ou un laboratoire. Ici, nous avons retenu les comptes ayant envoyé au moins 100 requêtes payantes en un mois aux modèles d’un laboratoire donné et vérifié combien avaient de nouveau utilisé ce même laboratoire le mois suivant. Le seuil exclut les essais ponctuels, et le classement des laboratoires était très similaire avec des seuils inférieurs et supérieurs.
De septembre à octobre, Google a conservé 78 % de ces comptes, Anthropic 74 % et OpenAI 74 %. Les principaux laboratoires proposant des modèles à poids ouverts ont tendance à afficher une fidélisation plus faible d’un mois sur l’autre, et octobre n’a pas fait exception.
Fidélisation d’un mois à l’autre par créateur de modèles
OpenRouterAnthropic
OpenAI
DeepSeek
Z.ai
Qwen
MiniMax
Les modèles de décision ont atteint 21 % des requêtes
Les modèles de décision (ou modèles System One, selon la nomenclature de TypeSafe) tranchent une question précise, comme le routage, la modération ou une vérification par oui ou non. Ils ne sont apparus en tant que catégorie qu’à la mi-septembre et ont atteint 21 % de l’ensemble des requêtes durant la semaine du 26 octobre.
Ici, les modèles textuels désignent toutes les requêtes envoyées à l’API Chat Completions, y compris celles contenant des images en entrée. En jetons ou en dépenses plutôt qu’en requêtes, les modèles de décision représenteraient une part bien plus faible du trafic hebdomadaire.
Part hebdomadaire des requêtes par type de requête
OpenRouterFournisseurs d’inférence de modèles à poids ouverts : Together se hisse à la première place
Parmi les fournisseurs proposant des modèles à poids ouverts, Together est passé de la 18e place en juin à la première en octobre en volume total de jetons servis. DeepSeek a chuté à la neuvième place en septembre avant de revenir à la deuxième avec V4.1 Flash, et InferenceNet est entré dans le top dix à la quatrième place.
Classement des fournisseurs de modèles à poids ouverts par nombre de jetons
OpenRouterLes dix premiers chaque mois, de juin à octobre. Survolez une courbe pour suivre un fournisseur.
Nous analysons chaque semaine les grandes tendances de cet ensemble d’un million de milliards de jetons. Abonnez-vous à Inferred, notre newsletter consacrée aux données, pour recevoir tous nos principaux rapports de recherche directement dans votre boîte de réception.
Notes méthodologiques
- Les données couvrent les requêtes via l’API OpenRouter du 1er janvier au 31 octobre 2026 ; le graphique des agents commence en septembre 2025. Les graphiques hebdomadaires utilisent des semaines commençant le lundi.
- Les jetons correspondent à la somme des jetons de prompt et de réponse. Les dépenses correspondent à l’utilisation facturée. Les laboratoires sont les créateurs des modèles, et un modèle est à poids ouverts lorsque ses poids sont rendus publics.
- Chaque clé API est classée chaque mois à partir de sept signaux pondérés : taux d’appels d’outils, ratio entrée/sortie, tours par requête, taux de succès du cache, outils proposés par requête, délai entre les requêtes et taux d’annulation. Un score de 0,50 ou plus correspond à un usage agentique, de 0,25 à 0,49 à un usage mixte et inférieur à 0,25 à un usage humain.
- Le trafic payant exclut les variantes gratuites des modèles.
- Le prix effectif, le taux de succès du cache et le classement des fournisseurs excluent le trafic utilisant vos propres clés (BYOK) et les modèles furtifs. Le taux de succès du cache correspond au rapport entre les jetons de prompt en cache et les jetons de prompt pour le trafic provenant de clés d’agents, pour les fournisseurs ayant traité au moins 1 T de jetons d’agents au cours du mois.
- Les modèles en tête par tâche sont déterminés à partir d’un échantillon de requêtes classées selon la taxonomie des tâches des classements et pondérées par le taux d’échantillonnage.
- La rétention comptabilise les comptes ayant effectué au moins 100 requêtes payantes vers les modèles d’un laboratoire au cours d’un mois, et considère un compte comme retenu s’il a envoyé une requête payante à ce laboratoire le mois suivant. Les comptes bannis sont exclus.
- Les modèles de décision correspondent aux requêtes adressées à l’API de décisions. Les modèles de texte correspondent aux requêtes adressées à l’API Chat Completions, y compris les requêtes avec des images en entrée.