1.1、 Tokens 跟踪
根据 OpenRouter 公开数据，2025 年 12 月 15 日至 12 月 21 日，周度 token 消耗量有所 上升，调用量为 5.85T，环比上周 1.21%。在 tokens 规模 leaderboard 前五名中，xAI 旗下 GrokCodeFast1 以 518Btokens 位居榜首；Google 的 Gemini2.5Flash 以 440B 位列第二； Anthropic 的 ClaudeSonnet4.5 以 417Btokens 排第三；OpenAI 的 GPT-OSS-120B 和 Anthropic 的 ClaudeOpus4.5 分别以 215B、209Btokens 位列第四、第五。 从市场份额维度来看，Google 以 212Btokens 占据 22.9%的份额，稳居首位；xAI 以 125Btokens 占比 13.6%，位列第二；Anthropic、OpenAI、Deepseek 则分别以 121B、88.1B、 86.9Btokens，对应占据 13.1%、9.5%、9.4%的市场份额。
1.2、数据跟踪：算力租赁价格平稳
上周算力租赁价格平稳。具体来看，显卡配置为 A100-40G 中，腾讯云 16 核+96G 价格 为 26.97 元/时,阿里云 12 核+94GiB 价格为 31.58 元/时；显卡配置为 A800-80G 中，恒源云 16 核+256G 价格为 7.50 元/时。
1.3、产业动态：AI 编程领域新里程碑，GPT-5.2-Codex 发布与产业影响
2025 年 12 月 19 日，OpenAI 正式推出智能体编码模型 GPT-5.2-Codex，官方明确其定 位为“迄今为止最先进的智能体编码模型”，核心目标是承接复杂实际软件工程任务，将 传统中耗时、高难度的开发工作交由 AI 处理，进一步推动软件工程自动化进程。该模型并 非全新构建，而是基于 GPT-5.2 的通用能力基础，融合 GPT-5.1-Codex-Max 在智能体编码与 终端操作的专项优势，针对实际开发痛点进行深度优化，已成为 OpenAI 内部 Codex 团队成 员的日常主力工具。 GPT-5.2-Codex 显著提升了指令遵循能力与长远语境理解能力，通过“上下文压缩”技 术改进长期工作表现——在处理跨步骤、长时间的编程任务（如持续数周的大规模代码重 构）时，能有效维持对大型代码库的完整上下文记忆，避免信息丢失，即使任务中出现计 划变更或尝试失败，也能持续迭代而不中断进度。同时，模型在编码任务的词元效率上有 显著提升，尤其在中等和高推理水平场景下，能以更高效的 Token 使用完成复杂推理。 针对开发者实际工作环境，GPT-5.2-Codex 重点优化了 Windows 环境下的性能，在原生 Windows 系统中进行智能体编码时，效率与可靠性显著提升，可流畅完成代码编译、依赖安 装、服务配置等典型终端操作。在大规模代码变更场景中，模型表现尤为突出，无论是代 码重构还是代码迁移，均能保持高稳定性，减少人工干预需求。
GPT-5.2-Codex 的网络安全能力超越 OpenAI 此前所有模型，可辅助安全研究人员完成 漏洞发现、模糊测试、攻击面分析等防御性安全工作。OpenAI 通过长期跟踪发现，从 GPT5-Codex 到 GPT-5.1-Codex-Max，再到本次发布的 GPT-5.2-Codex，模型在网络安全领域的能力呈阶梯式飞跃，尤其在专业夺旗赛（CTF）中，其解决 Linux 环境下高级、多步骤安全 挑战的能力远超前代模型。不过，官方也明确该模型尚未达到内部“准备框架”定义的 “高”网络安全能力级别，需警惕能力带来的两用风险，因此在部署中需搭配严格安全措 施。
在开发者社区中，GPT-5.2-Codex 已形成明确的协作模式：搭配 ClaudeCode 生成原始 代码，再由 GPT-5.2-Codex 进行代码审查，精准查找流程问题与细微 Bug。同时，模型还能 缓解开发者拖延症——面对复杂任务时，即使无法给出完美答案，也能提供高质量起点， 帮助开发者快速启动迭代。对于企业而言，模型可自动化处理最复杂、重复的工程任务 （如代码库导航、PullRequest 创建与审查），减少人为失误，提升团队竞争优势。 2025 年 12 月，Privy（Stripe 旗下公司）首席安全工程师 AndrewMacPherson 利用 GPT5.1-Codex-Max 搭配 CodexCLI，在研究 React 漏洞“React2Shell”时，通过引导模型完成 “搭建本地测试环境→分析攻击面→模糊测试探测畸形输入”的标准防御流程，不仅复现 了目标漏洞，还意外发现并披露了 3 个此前未知的 React 服务器组件漏洞，最终被 React 团 队官方确认修复。该案例证明，先进 AI 模型可大幅缩短从“漏洞假设”到“验证披露”的 周期，成为安全研究的关键工具。
为平衡可用性与安全性，OpenAI 采用分阶段、差异化的部署策略：1.即日起，所有付 费 ChatGPT 用户可在所有 Codex 平台（含 CLI、IDE 插件、网页端）使用 GPT-5.2-Codex； 2.计划未来几周内向 API 用户逐步开放访问权限；3.启动“仅限邀请的可信访问试点”， 为经过审核、专注于防御性网络安全的专业人士与组织提供更宽松的访问模式，支持其开 展威胁模拟、恶意软件分析等合规工作。这种分层访问机制既保障了普通开发者的使用需 求，也为高风险领域的安全应用设置了防护门槛。 尽管模型在防御性安全中价值显著，但其强大能力也带来两用风险——若被不法分子 滥用，可能成为生成攻击代码、挖掘漏洞用于破坏的工具。随着智能体系统在网络安全相 关任务中的能力不断增强，OpenAI 正在把负责任的部署作为一项核心优先事项——将能力 的每一次提升与更强大的安全措施、更严格的访问控制以及与安全社区的持续合作相结合。
2.1、 周流量跟踪：Deepl 周时长环比+56.70%
本期（2025.12.11-2025.12.17）AI 相关网站流量数据：访问量前三位分别为 ChatGPT （1297.0M）、Bing（769.0M）和 Gemini（394.1M），访问量环比增速第一为 Character.AI （4.25%）；平均停留时长前三位分别为 Character.AI（00:18:12）、Discord（00:10:41） 和 Kimi（00:08:42）;平均停留时长环比增速第一为 Deepl（56.70%）。
2.2、 产业动态：谷歌发布 Gemini3Flash，以卓越性能 重塑行业标准
2025 年 12 月 18 日，谷歌正式推出了其新一代人工智能模型——Gemini3Flash。它以 一种前所未有的方式，打破了人工智能领域长期以来“速度与智能不可兼得”、“性能越 强则成本越高”的固有认知，预示着 AI 技术与应用范式可能进入一个新的阶段。 此次发布的 Gemini3Flash，是 Gemini3 模型家族中的重要一员，与 Gemini3Pro 及 GeminiDeepThink 共同构成了完整的产品矩阵。该模型在发布后可通过 GeminiAPP、 AIStudio、GoogleAntigravity 以及 GeminiCLI 等多个平台向全球用户免费开放。这意味着， 普通用户无需额外操作或付费，便能即刻体验到这一最新技术成果。
从性能表现来看，Gemini3Flash 的核心突破在于实现了“速度”与“智能”的罕见统 一。根据官方披露的基准测试数据，其响应速度达到了前代 Gemini2.5Pro 模型的三倍，实 现近乎“零延迟”的交互体验，用户输入指令后，答案几乎同步呈现。然而，其革命性并 不仅仅体现在速度上。更特别的是，在部分需要高阶认知能力的任务中，例如编程智能体 任务和复杂的多模态理解与推理，Gemini3Flash 的表现甚至略微超越了定位更高端的同代 “大哥”Gemini3Pro，扭转了人们对于“轻快版本必然在能力上有所妥协”的刻板印象。 具体到评估指标，Gemini3Flash 在多项权威基准测试中展现了顶尖水平。在 MMMUPro 测试中取得了 81.2%，反超 Gemini3Pro 的 81.0%。在 GPQADiamond（90.4%）和 Humanity’ sLastExam（无工具条件下 33.7%）等博士级推理和知识基准测试中展现了前沿性能，足以 媲美一些规模更大的主流模型。在 SWE-benchVerified 基准测试中，其得分 78%同样领先于 Gemini3Pro。在 LMArena 排行榜上，Gemini3Flash 的表现实现了显著跃升，位列第三。这 一系列卓越成果强有力地证明，模型的速度与规模并非必然要以牺牲其智能水平为代价。
从技术实现与效率角度看，Gemini3Flash 是专为高效能而设计的典范。它并非采用单 一的推理模式，而是具备动态调节其“思考量”的智能机制。在面对高度复杂的任务时， 模型可以分配更多的计算资源进行深度处理；而在典型的日常交互流量下，它则能以极高 的效率运行。数据显示，在完成同等性能要求的日常任务时，其平均 Token 消耗量比前代 Gemini2.5Pro 减少了 30%。这种自适应优化能力使得其在质量、成本与速度三者之间成功推 动了帕累托前沿的边界。
尤为关键的是，如此卓越的性能并未伴随着高昂的使用成本。相反，Gemini3Flash 的 定价策略极具竞争力。其 API 调用成本仅为 Gemini3Pro 的四分之一左右，具体定价为每百 万输入 Token 零点五美元，每百万输出 Token 三美元。 Gemini3Flash 的推出，对开发者与用户均具有重大意义。对于开发者而言，其高速度 与低延迟特性完美契合快速迭代及高频交互场景，在智能体编码、生产级系统构建及实时 响应应用中实现了性能与效率的卓越平衡；同时，其强大的多模态推理与工具使用能力， 显著拓宽了复杂应用开发的边界，使构建实时视频分析、数据提取与视觉问答等应用变得 更为经济可行，演示案例显示，它能够近乎实时地辅助游戏交互、生成设计变体，甚至通 过解析语音或草图快速生成应用原型。对于广大用户而言，该模型作为默认模型集成至 GeminiApp 及搜索 AI 模式，意味着日常助手体验的全面升级，能够以极快速度处理视频分 析或复杂查询，推动 AI 从演示技术转化为高效实用工具。虽然关于下一代 Gemini4 的猜测 已开始浮现，预期其可能聚焦于提升智能体的主动性、对物理世界的更深层理解、长程记 忆能力乃至辅助科学发现等方向，但毫无疑问，Gemini3Flash 树立了重要标杆，标志着高 性能 AI 正变得触手可及且响应迅捷，一个更注重实用效能与广泛普及的“智能平权”时代 或许正在到来。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
