“爱马仕”首次反超“龙虾”，上海两大基座模型调用量挤进全球前五
“爱马仕”首次反超“龙虾”，上海两大基座模型调用量挤进全球前五
2026年05月13日 06:12
5月9日至12日，开源 AI智能体 框架Hermes Agent（别名“爱马仕”）连续三天反超OpenClaw（别名“龙虾”），登顶全球大模型社区OpenRouter（开放路由器）智能体调用量榜首。
“爱马仕”调用量反超“龙虾”。
最新数据显示，“爱马仕”累计词元消耗量超过6.72万亿，接棒OpenClaw掀起全球“养马热”。
目前，OpenRouter平台智能体调用量榜单的前三名智能体分别是“爱马仕”“龙虾”和Kilo Code（基洛代码）。而这三个智能体调用的基座模型，“爱马仕”调用量榜单前五名中，有两个席位被上海基座模型占据，分别来自MiniMax和阶跃星辰；“龙虾”调用量榜单中，上海两大基座模型曾先后登顶，也来自MiniMax和阶跃星辰；Kilo Code调用量榜单的前三名全部由上海基座模型包揽。
业内人士认为，在追求“词元效率”的当下，高兼容性和协同能力，将成为大模型竞争的关键。
“养马”先机
与OpenClaw类似，“爱马仕”也是一款开源 AI智能体 框架，可部署于电脑本地或云端服务器运行，支持用户自主选择大模型和聊天工具进行交互，并能自动独立完成复杂任务。与其他智能体不同的是，“爱马仕”完成复杂任务后，会自动从中提炼出可复用的Skills（技能），在后续使用中按需加载，并根据新的反馈不断自我改进。
这相当于，“爱马仕”是一个会自学的AI助手。
早在“爱马仕”崭露头角时，MiniMax和阶跃星辰便率先接入支持，推出MaxHermes等相关产品，抢占了第一波“养马”先机。如今，这两大基座模型依然位列全球榜单前五，且调用量仍在持续增长中。
“与其说是‘适配’，不如说是上海基模对智能体时代提前作出精准判断。”阶跃星辰首席技术官朱亦博认为，要发挥“爱马仕”等智能体的最大功能，离不开更聪明、响应迅速、成本可控的大模型。最新基模Step 3.5 Flash恰好具备推理速度快、工具调用能力强、胜任复杂长链条任务等优势，兼顾成本和效能，把推理速度和智能水平做到最佳。
MiniMax的策略也颇为相似。MiniMax产品负责人认为，长时间稳定运行、高频工具调用和复杂指令遵循是智能体共同的基础需求，也是最新模型持续优化的方向。
“霸榜”前三
在OpenRouter的调用榜单上，除“爱马仕”和“龙虾”外，排名第三的Kilo Code智能体调用量紧随其后，远超第四名，潜力不容小觑。在Kilo Code的调用量排名中，上海大模型更是霸占前三：第一名阶跃星辰Step 3.5 Flash、第二名稀宇科技MiniMax M2.5、第三名蚂蚁百灵Ling-2.6-1T。
上海大模型“霸榜”前三。
与“爱马仕”等通用智能体不同，Kilo Code是一个专业编程智能体，用户目标单一，就是写代码。
“开发者的核心诉求是代码生成准不准、工具调用稳不稳、多步任务能不能跑完、成本划不划算。”蚂蚁百灵大模型技术专家表示，为成为复杂工作流中的核心模块，百灵大模型在指令执行、工具适配、长上下文承接和工程任务处理能力上都做了系统优化。
据悉，为了差异化竞争，百灵大模型在训练过程中没有“求大求全”，而是专攻编码赛道。“在国际公认的多款代码和工具调用榜单中，Ling-2.6-1T达到开源第一梯队水平，这是开发者愿意用的基础。”该技术专家解释。
上海市 人工智能 协会秘书长钟俊浩也认为，上海大模型在OpenRouter等全球模型社区屡获佳绩，除了常规的性价比之外，国际化和开源策略也起到关键作用。上海大模型在 亚马逊 云、谷歌云等国际主流云服务的工程任务中表现良好，开源带来了丰富的开发者生态，把大模型的选择权交给开发者，反而让开发者更愿意使用。
持续“进化”
AI智能体 从“生成”走向“行动”，也对模型性能提出了更高要求。当前，多智能体协作趋势明显，不同模型会被同时调用，兼容性成为大模型调用量的关键指标之一。目前，MiniMax和阶跃星辰等上海大模型均高度兼容国际主流智能体框架，开发者接入成本低。
“即便单个智能体准确率只有60%，只要智能体数量足够多且犯错方向不一致，集成系统后的 综合 准确率可以迅速逼近100%。”北京智源 人工智能 研究院倪贤豪认为，如今智能体时代正从“单体智能”走向“群体智能”，关键不仅在于单体模型性能强弱，更在于智能体连接协作的效率和规模。
从OpenRouter榜单可以看出，智能体效率正成为上海大模型的核心竞争力。
比如MiniMax M2.7可实现自我“进化”，基于多种工具完成高度复杂的生产力任务，原生支持多种主流智能体框架。阶跃星辰新一代图像生成编辑模型Step Image Edit 2，参数量仅为35亿，但实际表现不输于200亿参数的同类大模型，生成图片仅需0.5至2秒。蚂蚁百灵Ling-2.6-1T完成Artificial Analysis评测仅需1600万输出词元，同类模型则需要5000万以上，也显示了突出的词元效率。
“要想让每分词元都花在刀刃上，如今的大模型仍需继续优化。”蚂蚁数科技术专家谢辛表示，在智能体时代，大模型还需要进一步降低词元消耗，保证结果交付的效率和可靠性。朱亦博也表示，下一步，阶跃星辰将强化模型的工具调用与长程任务执行能力，进一步提升复杂智能体任务的完成精度，同时推出不同尺寸的完整模型矩阵，兼顾多种场景的智能体验与性价比需求，适配多元化终端与应用落地。
（文章来源：上观新闻）