Xiaomi MiMo domine OpenRouter alors que les modèles chinois raflent le top cinq hebdomadaire

Le MiMo-V2.5 de Xiaomi aurait traité 10,5 billions de tokens en une semaine, en tête d’un classement OpenRouter dont les cinq premières places ont été occupées par des modèles chinois.

Cette razzia est importante, car OpenRouter mesure l’usage routé, et non les victoires dans les benchmarks ou les téléchargements de chatbots. Les développeurs utilisent la plateforme pour envoyer des requêtes à différents modèles et fournisseurs d’infrastructure via une seule interface.

Le résultat rapporté reflète donc un marché spécifique où changer de modèle est simple et où la consommation est mesurable. Il accentue également la pression sur les modèles premium d’OpenAI, Anthropic et Google.

Selon un rapport de classement hebdomadaire, MiMo-V2.5 a progressé de 12 % par rapport à la semaine précédente. Deux modèles DeepSeek occupaient les deuxième et cinquième places.

Le nouveau modèle Hunyuan de Tencent a pris la troisième place, tandis que la famille GLM de Zhipu AI se serait classée quatrième. Le modèle de Tencent a enregistré la croissance rapportée la plus rapide après sa sortie récente.

Ce résultat ne prouve pas que les modèles chinois dominent l’ensemble du marché mondial de l’IA. OpenRouter représente une grande plateforme d’agrégation, mais ne couvre pas toutes les API directes, les contrats d’entreprise ou les assistants grand public.

Il montre toutefois quelque chose de plus circonscrit, mais tout aussi important. Les modèles chinois à poids ouverts sont devenus des candidats par défaut pour les développeurs qui choisissent leurs modèles selon la charge de travail, les performances et l’efficacité opérationnelle.

Le top cinq d’OpenRouter a évolué plus vite que le récit du marché

Le changement le plus marquant de la semaine ne réside pas uniquement dans la première place de MiMo. C’est la concentration de toutes les positions de tête entre les mains de modèles développés en Chine.

Le classement rapporté couvrait la semaine du 20 au 26 juillet 2026. MiMo-V2.5 arrivait en tête avec environ 10,5 billions de tokens routés et une croissance hebdomadaire de 12 %.

DeepSeek V4 Flash suivait avec environ 6,37 billions de tokens. Hunyuan Hy3 de Tencent se serait classé troisième avec près de 3,94 billions.

GLM 5.2 de Zhipu AI occupait la quatrième place avec environ 3,29 billions de tokens. DeepSeek V4 Pro complétait le top cinq, offrant à DeepSeek deux entrées distinctes.

Ces positions constituent davantage qu’une liste de marques populaires. Elles représentent plusieurs stratégies produit en concurrence au sein du même marché des modèles ouverts.

MiMo-V2.5 cible les charges de travail multimodales et basées sur des agents, qui combinent texte, images, outils et état de tâche étendu. Sa page de modèle décrit une fenêtre de contexte d’un million de tokens.

OpenRouter répertorie le modèle comme un système omnmodal natif, ce qui signifie qu’il traite plusieurs formats d’entrée au sein d’une même architecture. La plateforme indique une date de sortie au 22 avril 2026.

La fiche du modèle MiMo met également en avant les performances des agents et le traitement de longs contextes. Ces caractéristiques correspondent à des charges de travail qui génèrent d’importants volumes de tokens.

Un agent de programmation automatisé peut lire des dépôts, modifier des fichiers, appeler des outils et évaluer son propre résultat. Une seule tâche peut consommer bien plus de tokens qu’une réponse de chatbot.

Les deux positions de DeepSeek révèlent une stratégie différente. Le modèle Flash répond aux requêtes fréquentes et sensibles à l’efficacité, tandis que le modèle Pro vise les tâches plus difficiles de programmation et d’agents.

Cette combinaison permet aux développeurs de router les tâches courantes et les raisonnements exigeants vers différents modèles d’une même famille. Elle ressemble à une gamme de produits plutôt qu’à un unique endpoint généraliste.

La progression de Tencent ajoute une autre dimension. La hausse hebdomadaire rapportée dépassait 999 % après que Hunyuan Hy3 est devenu ouvertement disponible le 6 juillet.

Un pourcentage aussi élevé reflète généralement un mouvement depuis une faible base de départ. Toutefois, atteindre le top trois exige encore un trafic absolu important après cet effet de base initial.

Les classements de modèles en direct évoluent à mesure que de nouvelles requêtes entrent dans la fenêtre de mesure. Toute capture publiée doit donc indiquer ses dates et le périmètre de la plateforme.

Cette distinction évite une conclusion trompeuse. Les chiffres décrivent les tokens routés via OpenRouter, et non l’ensemble des tokens traités par chaque entreprise dans le monde.

Le trafic direct vers les API des fournisseurs reste en dehors de ce classement particulier. Les déploiements privés et les modèles exécutés sur l’infrastructure des clients restent eux aussi largement invisibles.

Même avec ces limites, cette domination a du poids. Les développeurs utilisant une couche de routage neutre plaçaient cinq modèles chinois en tête de leur liste de consommation collective.

C’est un signal plus net qu’une tendance passagère sur les réseaux sociaux. Chaque token routé représente une application, une expérimentation, un agent ou une session utilisateur qui choisit un modèle pour un travail réel.

Pourquoi les développeurs routent davantage de travail vers les modèles chinois

L’adoption rapide reflète un avantage opérationnel : les développeurs peuvent tester rapidement ces modèles, puis conserver ceux qui fournissent des résultats acceptables à grande échelle.

OpenRouter réduit l’effort nécessaire pour changer de modèle. Les applications peuvent maintenir une seule intégration tout en envoyant des requêtes à plusieurs familles de modèles ou fournisseurs d’hébergement.

Cette structure affaiblit un avantage traditionnel détenu par les grands fournisseurs d’IA. Un développeur n’a pas besoin de reconstruire un produit entier chaque fois qu’un autre modèle devient compétitif.

Les données historiques de la plateforme montraient déjà ce comportement avant la dernière razzia. Les modèles ouverts chinois sont passés d’une part très faible à la fin de 2024.

L’étude d’usage d’OpenRouter a constaté que les modèles chinois open source ont atteint près de 30 % du volume de tokens de la plateforme durant certaines semaines en 2025.

Leur part hebdomadaire moyenne sur la période étudiée était d’environ 13 %. DeepSeek est resté le principal contributeur parmi les modèles ouverts, tandis que Qwen et des familles plus récentes ont élargi le champ.

Le rapport a également constaté que des modèles ouverts performants pouvaient attirer un trafic significatif en quelques semaines. Cette tendance aide à expliquer la hausse rapportée de Tencent après la sortie de Hy3.

Des sorties fréquentes donnent aux développeurs davantage de raisons de réévaluer leurs décisions de routage. Chaque lancement peut améliorer une capacité, réduire la latence ou prendre en charge un contexte plus long.

Les poids ouverts élargissent encore la distribution. Ils permettent à des fournisseurs indépendants d’héberger le même modèle, même si les conditions de licence et les exigences techniques varient toujours.

Cela crée de la concurrence à deux niveaux. Les développeurs de modèles rivalisent sur l’architecture et l’entraînement, tandis que les fournisseurs d’infrastructure rivalisent sur la disponibilité et la qualité de service.

Les utilisateurs peuvent tirer parti de cette structure sans exploiter leurs propres clusters. Ils peuvent choisir des versions hébergées tout en conservant davantage de portabilité qu’avec une application fournie par un seul éditeur.

La demande la plus forte semble liée aux flux de travail de programmation et d’agents. L’étude d’OpenRouter a constaté que les requêtes de programmation sont passées d’environ 11 % des tokens à plus de la moitié.

Cette mesure couvrait les semaines récentes de l’étude, et non le classement de juillet 2026. Elle explique néanmoins pourquoi les modèles orientés code peuvent accumuler des volumes de tokens considérables.

Les agents de programmation inspectent à répétition les fichiers, comparent les résultats et révisent les plans. Les longs prompts incluent également le contexte du dépôt, les journaux d’erreurs, la documentation et les tentatives précédentes.

Une demande humaine peut déclencher des dizaines d’appels au modèle. Le volume de tokens augmente donc plus rapidement que le nombre de personnes utilisant une application.

Les modèles chinois ont été conçus autour de cette évolution des charges de travail. DeepSeek met l’accent sur la programmation et le raisonnement, tandis que MiMo associe long contexte et traitement multimodal.

Tencent a également présenté Hunyuan comme une famille couvrant le texte, l’image, la vidéo et le contenu tridimensionnel. Cette étendue soutient les produits internes comme les usages de développeurs externes.

Le résultat est un cycle de sorties dense entre plusieurs entreprises bien financées. Xiaomi, Tencent, DeepSeek et Zhipu AI ne dépendent pas d’une même organisation ni d’un même modèle économique.

Leur présence simultanée réduit la probabilité que le classement reflète une campagne promotionnelle isolée d’une seule entreprise. Les développeurs répartissent le trafic entre plusieurs familles de modèles chinoises.

Toutefois, la faible friction au changement joue dans les deux sens. Les mêmes utilisateurs qui ont rapidement adopté MiMo ou Hy3 peuvent partir lorsqu’un autre modèle obtient de meilleures performances.

L’analyse précédente d’OpenRouter décrivait le marché des modèles ouverts comme de plus en plus fragmenté. Aucun modèle ouvert individuel ne contrôlait durablement plus d’environ un quart du trafic des modèles ouverts.

Cela rend une avance hebdomadaire précieuse, mais fragile. L’usage continu compte davantage que le pic de lancement, surtout après la fin de l’accès gratuit ou des incitations initiales au routage.

Le véritable affrontement oppose le routage ouvert au verrouillage des modèles fermés

Le conflit central n’oppose pas la Chine aux États-Unis. Il oppose le routage portable des modèles à la dépendance envers une pile de modèles propriétaires.

L’origine nationale rend la domination du top cinq politiquement marquante. Pourtant, les développeurs prennent généralement leurs décisions de routage sur la base d’une comparaison plus pragmatique.

Ils cherchent à savoir si un modèle peut accomplir la tâche de manière fiable, s’adapter au contexte requis, appeler correctement les outils et fonctionner dans les limites de ressources de l’application.

OpenRouter rend cette comparaison immédiate. Une équipe peut attribuer un modèle à la planification, un autre à l’implémentation et un troisième à la révision finale.

Cette conception multi-modèles remet directement en cause l’idée que chaque application d’IA devrait hériter de la pile complète d’un seul fournisseur. Elle sépare l’application du modèle qui la sous-tend.

OpenAI, Anthropic et Google conservent d’importants avantages. Leurs systèmes propriétaires dominent souvent les évaluations difficiles et proposent des contrôles d’entreprise, des intégrations et un support éprouvés.

Anthropic a également occupé une position forte dans les dépenses liées à la programmation, selon l’étude historique d’OpenRouter. Claude demeure une référence pour les travaux de programmation exigeants.

Google associe ses modèles Gemini à son infrastructure cloud, ses logiciels de productivité et sa distribution grand public. OpenAI relie ses modèles à une vaste base de développeurs et à ChatGPT.

Les modèles chinois à poids ouverts exercent une pression ailleurs. Ils rendent des performances acceptables disponibles auprès d’un plus grand nombre d’hébergeurs et encouragent l’expérimentation au niveau des applications.

Cette pression est la plus forte pour les charges de travail à fort volume et à évaluation répétable. Les pipelines de programmation peuvent exécuter des tests, comparer des correctifs et rejeter automatiquement les résultats incorrects.

Une entreprise peut toujours choisir un modèle propriétaire premium pour une décision finale critique. Elle peut router la préparation de documents ou l’analyse répétitive vers un autre modèle.

La combinaison Flash et Pro de DeepSeek correspond à ce schéma. Flash peut traiter les tâches fréquentes, tandis que Pro peut répondre aux requêtes nécessitant un raisonnement plus approfondi.

Le long contexte de MiMo offre une autre voie. Les développeurs peuvent fournir davantage de documents source à un modèle au lieu de construire une chaîne de récupération complexe pour chaque requête.

Une longue fenêtre de contexte ne garantit pas une restitution exacte. Elle augmente simplement la quantité de matière qu’une application peut fournir dans une seule requête.

Cette distinction est importante pour les équipes qui construisent des agents riches en connaissances. Un contexte plus large peut réduire le travail d’intégration, mais des éléments non pertinents peuvent toujours perturber le modèle.

Les bons systèmes nécessitent donc évaluation, traçabilité et sources organisées. Une base de connaissances d’ingénierie consultable peut étayer ces contrôles sans déterminer quel modèle doit traiter le contenu.

L’évolution plus large favorise les logiciels indépendants des modèles. Ces applications traitent les modèles comme des composants remplaçables tout en préservant les pipelines de données, les autorisations et l’expérience utilisateur.

Cette conception limite le verrouillage fournisseur, mais introduit de nouvelles responsabilités d’ingénierie. Les équipes doivent comparer la qualité des résultats et surveiller les évolutions chez plusieurs fournisseurs.

Ils doivent également gérer les différences de schémas d’outils, de comportement en matière de sécurité, de gestion du contexte et de sortie structurée. Une interface partagée ne rend pas tous les modèles identiques.

Le balayage d’OpenRouter montre que de nombreux développeurs acceptent ces coûts. Ils orientent suffisamment de travail vers des modèles chinois pour que les cinq premiers dominent le classement hebdomadaire.

Pour les éditeurs propriétaires, la réponse imposée est claire. Ils doivent justifier un accès restreint par une meilleure fiabilité, des intégrations plus solides ou des avantages mesurables sur des tâches à forte valeur.

La notoriété de la marque seule protège moins lorsque les développeurs peuvent tester un autre modèle en quelques minutes. Les fournisseurs fermés ont besoin de résultats qui résistent aux comparaisons directes sur les charges de travail.

Le volume de tokens n’est pas synonyme de revenus, de qualité ou de confiance

Le classement mesure la consommation sur une seule plateforme ; il ne peut donc pas établir indépendamment le leadership technique, le succès commercial ou l’adoption en entreprise.

Les totaux de tokens favorisent les charges de travail qui génèrent de longues requêtes et réponses. Les boucles d’agents, les sessions de jeu de rôle, l’analyse de dépôts et la génération de données synthétiques peuvent dominer le volume brut.

Un trillion de tokens issus de tâches automatisées n’équivaut pas à un trillion de tokens liés à des décisions commerciales réglementées. La valeur et le risque associés à ces requêtes diffèrent.

L’accès gratuit peut aussi fausser les classements. Un modèle nouvellement lancé peut attirer des expérimentations parce que son essai exige peu d’engagement.

La hausse signalée de plus de 999 % pour Hunyuan Hy3 illustre ce problème. Cette croissance est notable, mais le point de départ était nécessairement beaucoup plus faible.

Un changement durable exige que le modèle conserve son trafic après que l’attention du lancement se soit dissipée. Les totaux hebdomadaires devraient rester élevés sur plusieurs fenêtres glissantes.

Une autre limite concerne la concentration. Un seul grand client ou une seule application peut influencer sensiblement un graphique à l’échelle de la plateforme.

OpenRouter a reconnu cet effet dans son analyse historique. Un compte important a produit un pic notable du volume lié aux outils en mai 2025.

Cet exemple n’invalide pas le classement actuel. Il montre pourquoi les observateurs devraient éviter de convertir directement un classement de tokens en parts de marché mondiales.

L’affirmation la plus exacte est plus circonscrite. Des modèles développés en Chine occupaient les cinq premières positions dans un instantané hebdomadaire d’OpenRouter rapporté.

La qualité est tout aussi difficile à déduire. Les développeurs peuvent choisir un modèle parce qu’il est suffisant pour une tâche, et non parce qu’il offre le meilleur résultat disponible.

Un modèle qui traite la classification courante peut générer plus de tokens qu’un spécialiste utilisé pour une analyse scientifique difficile. Le volume et les capacités répondent à des questions différentes.

Les affirmations des entreprises concernant les benchmarks exigent une prudence similaire. DeepSeek positionnerait son modèle phare face aux principaux systèmes fermés pour le code et les tâches d’agents complexes.

Ces déclarations nécessitent une évaluation indépendante sur de vrais dépôts, des échecs d’outils et des flux de travail de longue durée. Un score de benchmark ne peut pas capturer toutes les contraintes de production.

La longueur de contexte affichée de MiMo nécessite aussi des tests pratiques. Les modèles peuvent accepter de longues entrées tout en échouant à retrouver un détail crucial enfoui en leur sein.

La latence, les limites de débit et la fiabilité du fournisseur influencent également l’adoption. Une application a besoin de performances prévisibles lors des pics de demande, pas seulement d’une architecture de modèle solide.

La sécurité reste une décision distincte. Certaines organisations restreignent certains fournisseurs de modèles ou régions d’hébergement parce que les requêtes peuvent contenir des informations confidentielles.

Les poids ouverts peuvent réduire cette préoccupation lorsque les clients déploient les modèles dans une infrastructure contrôlée. Toutefois, utiliser un modèle ouvert via une API tierce crée toujours une relation de données.

Les développeurs doivent examiner le fournisseur réel, la politique de conservation, le comportement de journalisation et le chemin géographique de traitement. Le pays d’origine d’un modèle ne répond pas seul à ces questions.

Les licences méritent également de l’attention. L’expression « open source » est souvent employée de manière imprécise pour des modèles dont les poids sont disponibles sous des restrictions spécifiques.

OpenRouter abrège lui-même les modèles à poids ouverts en OSS par souci de simplicité. Les acheteurs devraient néanmoins examiner la licence avant de distribuer ou de modifier un modèle.

Les entreprises réglementées peuvent continuer à privilégier des systèmes propriétaires disposant d’une documentation de conformité établie. Ce choix peut perdurer même lorsqu’un modèle ouvert domine le volume de tokens.

La portée auprès des consommateurs reste également absente. ChatGPT, Gemini et d’autres produits directs génèrent une activité importante en dehors d’OpenRouter.

Les accords directs avec les entreprises créent un autre angle mort. Les grandes entreprises accèdent souvent aux modèles via des contrats cloud plutôt que par des plateformes publiques d’agrégation.

Le classement décrit donc la couche contestable du marché. Il montre ce qui se passe là où les développeurs peuvent comparer les modèles avec des coûts de changement relativement faibles.

Cette couche importe parce qu’elle peut influencer les futurs achats. Un modèle d’abord testé via un agrégateur peut ensuite être transféré vers un hébergement direct ou un déploiement privé.

Cela dit, le balayage de juillet doit être considéré comme un signal d’adoption, et non comme un verdict définitif. Son message le plus fort concerne la volonté des développeurs de changer.

Ce que Xiaomi, DeepSeek et Tencent doivent désormais prouver

Trois signaux détermineront si le balayage du top 5 marque un changement durable ou un nouveau cycle de classement en évolution rapide.

Le premier signal est la rétention. MiMo-V2.5, DeepSeek V4 Flash, Hunyuan Hy3, GLM 5.2 et DeepSeek V4 Pro doivent conserver un trafic substantiel au-delà des fenêtres de lancement.

Les totaux glissants sur quatre semaines et trimestriels offriront une meilleure vision qu’un seul instantané hebdomadaire. Un trafic stable indiquerait une intégration dans des applications pérennes.

Une forte baisse indiquerait des expérimentations, des conditions d’accès temporaires ou une migration vers des modèles plus récents. Le routage ouvert rend à la fois l’adoption et le départ inhabituellement rapides.

MiMo mérite une attention particulière, car il a pris la tête avec une marge rapportée importante. Sa position se renforcera si les développeurs continuent d’utiliser ses fonctionnalités multimodales et de contexte long.

Le deuxième signal est la qualité des charges de travail. Les évaluations indépendantes devraient tester ces modèles dans des systèmes complets de codage et d’agents, et non seulement sur des requêtes de benchmark isolées.

Des tests utiles devraient mesurer les appels d’outils réussis, les dépôts finalisés, la récupération après erreur et les performances sur des tâches longues. Ils devraient aussi divulguer l’infrastructure et les méthodes d’évaluation.

DeepSeek V4 Pro fait face au test le plus clair sur ce point. Son positionnement rapporté repose sur sa capacité à traiter des tâches d’agents complexes à un niveau proche des principaux modèles fermés.

Si ces résultats sont reproduits par des équipes indépendantes, les éditeurs propriétaires subiront une pression directe sur les charges de travail à forte valeur. Dans le cas contraire, le volume restera une histoire d’efficacité.

Hy3 de Tencent nécessite le même examen après ses débuts rapides. Une hausse portée par le lancement prend davantage de sens lorsque les développeurs publient des résultats de production reproductibles.

Le troisième signal est la réponse d’OpenAI, Anthropic et Google. Leur réaction montrera s’ils considèrent le routage vers des modèles ouverts comme une menace stratégique.

Une réponse peut prendre plusieurs formes sans se concentrer sur les prix publics. Les fournisseurs peuvent améliorer leurs modèles plus petits, étendre le contexte, renforcer l’utilisation d’outils ou assouplir les options de déploiement.

Ils peuvent aussi approfondir l’intégration en entreprise, où la conformité et le support restent des défenses plus solides. Une meilleure fiabilité peut préserver la demande premium même lorsque la part brute de tokens évolue.

Les propres données d’OpenRouter étayent ce marché divisé. Son étude a constaté que les modèles ouverts se concentraient sur des usages à moindre coût et à fort volume, tandis que les systèmes fermés conservaient les charges de travail à forte valeur.

Le dernier balayage suggère que les développeurs chinois progressent dans la partie à fort volume. La question non résolue est de savoir quelle part du travail premium les suivra.

Les développeurs devraient donc éviter de désigner un vainqueur à partir d’un seul graphique. Ils devraient tester les modèles sur leurs propres tâches et conserver la capacité de réacheminer le trafic.

Une évaluation pratique commence par des requêtes représentatives, des résultats attendus et des conditions d’échec. Elle devrait inclure la latence, l’exécution des outils, la récupération du contexte et la revue humaine.

Les équipes devraient aussi enregistrer le modèle ayant produit chaque résultat. Cette traçabilité devient essentielle lorsqu’un fournisseur met à jour un modèle ou une configuration de routage.

Les travailleurs du savoir font face à un enjeu connexe. À mesure que les applications combinent plusieurs modèles, ils ont besoin d’un lieu stable pour les documents sources et les décisions vérifiées.

Un système de gestion des connaissances personnelles peut préserver cette continuité tandis que les modèles sous-jacents d’une application continuent d’évoluer.

Le balayage rapporté d’OpenRouter est important parce qu’il montre des développeurs qui exercent leur choix. Les modèles chinois ne se sont pas contentés d’entrer dans l’ensemble comparatif.

Ils auraient occupé toutes les positions de tête au sein d’une importante place de marché multi-modèles pendant une semaine. Xiaomi, DeepSeek, Tencent et Zhipu AI ont chacun contribué à ce résultat.

Pourtant, la prochaine phase sera plus difficile que l’ascension d’un graphique en direct. Ces entreprises doivent convertir l’expérimentation en charges de travail pérennes, en déploiements de confiance et en performances reproductibles.

OpenAI, Anthropic et Google possèdent toujours une distribution, des relations avec les entreprises et de solides modèles propriétaires. Ils sont sous pression, mais n’ont pas disparu de l’usage mondial de l’IA.

Le changement durable est l’affaiblissement de la fidélité automatique à un modèle. Les développeurs considèrent de plus en plus un modèle d’IA comme un composant qui doit continuellement mériter son routage.

Surveillez les prochaines fenêtres hebdomadaires, les évaluations indépendantes d’agents et les réponses des fournisseurs fermés. Ensemble, ces signaux révéleront si ce balayage se transforme en évolution durable du marché.