この度、OpenRouterは100兆を超えるリアルな使用トークンを収集したそのプラットフォームに基づいて、大規模言語モデル（LLMs）が異なるタスク、地域、時間帯における使用状況を分析する重要な研究を発表しました。この研究では、2024年12月に初めて広く採用された推論モデルo1の登場以降、LLMsの使用方法に大きな変化が生じたことが明らかになりました。

研究によると、オープンウェイトモデルの使用は顕著に増加しており、特にクリエイティブなロールプレイやプログラミング補助などの分野で、生産性タスクに焦点を当てていた予想を上回る傾向が見られました。また、研究では初期ユーザーの関与度が後続のユーザーよりも顕著に高いことが判明し、これは「シンデレラのガラスの靴効果」と呼ばれ、ユーザーのニーズとモデルの特性との早期のマッチングがユーザーの定着性にとって非常に重要であることを強調しています。

image.png

データの深層分析を通じて、研究チームはいくつかの使用パターンを明らかにしました。それは、オープンソースとクローズドソースモデルの使用トレンド、グローバルな使用の違い、そして価格や新モデルのリリースとの関係などです。この実証的研究は、LLMsの使用に関する知識の空白を埋め、開発者とユーザーが実際の応用においてどれほど多様かつ複雑に相互作用しているかを強調しています。

研究ではOpenRouterプラットフォームのデータを採用し、これらのモデルの使い方について独自の視点を提供しています。これは、将来のモデル設計と配備にデータを提供することを目的としています。分析には、ユーザーが異なる地域でモデルを選択する方法や、長期間にわたって使用し続ける理由も含まれています。

レポート：https://openrouter.ai/state-of-ai

ポイント：  

🌍 ローカルな使用パターンの分析により、LLMsに対する異なる地域間の需要の違いが明らかになりました。  

📈 オープンウェイトモデルの使用は急速に増加しており、特にクリエイティブな分野やプログラミングでの使用が目立ちます。  

🧩 「シンデレラのガラスの靴効果」は、初期ユーザーとモデルのマッチングが長期的な参加に不可欠であることを示しています。