Xiaomi MiMo conquista OpenRouter mentre i modelli cinesi dominano la top five settimanale

Secondo quanto riportato, MiMo-V2.5 di Xiaomi ha elaborato 10,5 trilioni di token in una settimana, guidando una classifica di OpenRouter in cui le prime cinque posizioni sono andate a modelli cinesi.

Questo dominio è rilevante perché OpenRouter misura l'utilizzo instradato, non le vittorie nei benchmark né i download di chatbot. Gli sviluppatori usano la piattaforma per inviare richieste a modelli e provider di infrastruttura diversi attraverso un'unica interfaccia.

Il risultato riportato fotografa quindi un mercato specifico, in cui cambiare è semplice e il consumo è misurabile. Inoltre aumenta la pressione sui modelli premium di OpenAI, Anthropic e Google.

Secondo un report sulla classifica settimanale, MiMo-V2.5 è cresciuto del 12 percento rispetto alla settimana precedente. Due modelli DeepSeek hanno occupato la seconda e la quinta posizione.

Il nuovo modello Hunyuan di Tencent si è classificato terzo, mentre la famiglia GLM di Zhipu AI avrebbe ottenuto il quarto posto. Il modello di Tencent ha registrato la crescita riportata più rapida dopo il recente rilascio.

Il risultato non dimostra che i modelli cinesi guidino l'intero mercato AI globale. OpenRouter rappresenta una grande piattaforma di aggregazione, non ogni API diretta, contratto enterprise o assistente consumer.

Mostra però qualcosa di più circoscritto e comunque importante. I modelli cinesi a pesi aperti sono diventati candidati predefiniti per gli sviluppatori che scelgono i modelli in base al carico di lavoro, alle prestazioni e all'efficienza operativa.

La top five di OpenRouter è cambiata più rapidamente della narrativa di mercato

Il cambiamento più significativo della settimana non è stato soltanto il primo posto di MiMo. È stata la concentrazione di ogni posizione di vertice tra modelli sviluppati in Cina.

La classifica riportata copriva la settimana dal 20 al 26 luglio 2026. MiMo-V2.5 era in testa con circa 10,5 trilioni di token instradati e una crescita settimanale del 12 percento.

Seguiva DeepSeek V4 Flash con circa 6,37 trilioni di token. Hunyuan Hy3 di Tencent si sarebbe classificato terzo con circa 3,94 trilioni.

GLM 5.2 di Zhipu AI ha mantenuto il quarto posto con all'incirca 3,29 trilioni di token. DeepSeek V4 Pro ha completato la top five, dando a DeepSeek due presenze distinte.

Queste posizioni rappresentano più di un elenco di brand popolari. Riflettono diverse strategie di prodotto in competizione nello stesso mercato dei modelli aperti.

MiMo-V2.5 punta a carichi di lavoro multimodali e basati su agenti, che combinano testo, immagini, strumenti e stato esteso delle attività. La pagina del modello descrive una finestra di contesto da un milione di token.

OpenRouter elenca il modello come sistema omnimodale nativo, ossia capace di gestire diversi formati di input in un'unica architettura. La piattaforma indica come data di rilascio il 22 aprile 2026.

La scheda del modello MiMo sottolinea anche le prestazioni degli agenti e l'elaborazione di contesti lunghi. Queste caratteristiche sono in linea con carichi di lavoro che generano grandi volumi di token.

Un agente automatizzato per la programmazione può leggere repository, modificare file, chiamare strumenti e riesaminare il proprio output. Un singolo compito può consumare molti più token di una risposta di chatbot.

Le due posizioni di DeepSeek rivelano una strategia diversa. Il modello Flash serve richieste frequenti e sensibili all'efficienza, mentre il modello Pro è destinato a compiti di programmazione e agenti più complessi.

Questa combinazione consente agli sviluppatori di instradare il lavoro ordinario e il ragionamento più impegnativo verso modelli diversi della stessa famiglia. Assomiglia più a una linea di prodotti che a un singolo endpoint generalista.

L'ascesa di Tencent aggiunge un ulteriore livello. L'aumento settimanale riportato ha superato il 999 percento dopo che Hunyuan Hy3 è diventato apertamente disponibile il 6 luglio.

Una percentuale così elevata riflette di solito un movimento a partire da una base iniziale ridotta. Tuttavia, raggiungere la top three richiede comunque un traffico assoluto consistente dopo quell'effetto iniziale.

Le classifiche dei modelli in tempo reale cambiano con l'ingresso di nuove richieste nella finestra di misurazione. Qualsiasi istantanea pubblicata dovrebbe quindi includere le date e l'ambito della piattaforma.

Questa distinzione evita una conclusione fuorviante. Le cifre descrivono i token instradati attraverso OpenRouter, non tutti i token elaborati da ciascuna azienda nel mondo.

Il traffico diretto verso le API dei fornitori resta al di fuori di questa particolare classifica. Anche le implementazioni private e i modelli eseguiti sull'infrastruttura dei clienti rimangono in gran parte invisibili.

Nonostante questi limiti, il dominio ha peso. Gli sviluppatori che usano un livello di instradamento neutrale avevano cinque modelli cinesi in cima al loro elenco di consumo collettivo.

È un segnale più netto di una tendenza social temporanea. Ogni token instradato rappresenta un'applicazione, un esperimento, un agente o una sessione utente che sceglie un modello per un lavoro effettivo.

Perché gli sviluppatori instradano più lavoro verso i modelli cinesi

La rapida adozione riflette un vantaggio operativo: gli sviluppatori possono testare questi modelli velocemente e poi mantenere quelli che offrono risultati accettabili su larga scala.

OpenRouter riduce l'impegno necessario per cambiare modello. Le applicazioni possono mantenere un'unica integrazione inviando al tempo stesso richieste a diverse famiglie di modelli o provider di hosting.

Questa struttura indebolisce un vantaggio tradizionale dei grandi fornitori AI. Uno sviluppatore non deve ricostruire un intero prodotto ogni volta che un altro modello diventa competitivo.

I dati storici della piattaforma mostravano già questo comportamento prima dell'ultimo dominio. I modelli aperti cinesi sono passati da una quota molto ridotta alla fine del 2024.

Lo studio sull'utilizzo di OpenRouter ha rilevato che i modelli open source cinesi hanno raggiunto quasi il 30 percento del volume di token della piattaforma in alcune settimane del 2025.

La loro quota media settimanale nell'intero periodo di studio era di circa il 13 percento. DeepSeek è rimasto il maggiore contributore tra i modelli aperti, mentre Qwen e famiglie più recenti hanno ampliato il panorama.

Il report ha inoltre rilevato che modelli aperti capaci possono ottenere traffico significativo nel giro di settimane. Questo andamento aiuta a spiegare l'ascesa riportata di Tencent dopo il rilascio di Hy3.

I rilasci frequenti danno agli sviluppatori più motivi per riesaminare le proprie decisioni di instradamento. Ogni lancio può migliorare una capacità, ridurre la latenza o supportare un contesto più lungo.

I pesi aperti ampliano ulteriormente la distribuzione. Consentono a provider indipendenti di ospitare lo stesso modello, anche se termini di licenza e requisiti tecnici continuano a variare.

Questo crea concorrenza su due livelli. Gli sviluppatori di modelli competono su architettura e addestramento, mentre i provider di infrastruttura competono su disponibilità e qualità del servizio.

Gli utenti possono beneficiare di questa struttura senza gestire i propri cluster. Possono selezionare versioni ospitate mantenendo al contempo maggiore portabilità rispetto a quella offerta da un'applicazione di un unico fornitore.

La domanda più forte sembra collegata ai flussi di lavoro di programmazione e degli agenti. Lo studio di OpenRouter ha rilevato che le richieste di programmazione sono cresciute da circa l'11 percento dei token a oltre la metà.

Questa misurazione copriva le settimane più recenti dello studio, non la classifica di luglio 2026. Tuttavia, spiega perché i modelli orientati al codice possano accumulare enormi volumi di token.

Gli agenti di programmazione ispezionano ripetutamente i file, confrontano gli output e rivedono i piani. I prompt lunghi includono inoltre il contesto del repository, log degli errori, documentazione e tentativi precedenti.

Una richiesta umana può attivare decine di chiamate al modello. Il volume di token cresce quindi più velocemente del numero di persone che usano un'applicazione.

I modelli cinesi sono stati progettati attorno a questo carico di lavoro in evoluzione. DeepSeek enfatizza programmazione e ragionamento, mentre MiMo combina contesto lungo ed elaborazione multimodale.

Tencent ha inoltre presentato Hunyuan come una famiglia che comprende contenuti testuali, immagini, video e tridimensionali. Questa ampiezza supporta sia prodotti interni sia l'uso da parte di sviluppatori esterni.

Il risultato è un ciclo di rilasci fitto tra diverse aziende ben finanziate. Xiaomi, Tencent, DeepSeek e Zhipu AI non dipendono da un'unica organizzazione o modello di business condiviso.

La loro presenza simultanea riduce la probabilità che la classifica rifletta la campagna promozionale isolata di una sola azienda. Gli sviluppatori stanno distribuendo il traffico tra diverse famiglie di modelli cinesi.

Tuttavia, la bassa frizione nel cambiare modello funziona in entrambi i sensi. Gli stessi utenti che hanno adottato rapidamente MiMo o Hy3 possono andarsene quando un altro modello offre prestazioni migliori.

La precedente analisi di OpenRouter descriveva il mercato dei modelli aperti come sempre più frammentato. Nessun singolo modello aperto controllava con continuità più di circa un quarto del traffico dei modelli aperti.

Questo rende una leadership settimanale preziosa ma fragile. L'uso continuativo conta più del picco di lancio, soprattutto dopo la fine dell'accesso gratuito o degli incentivi introduttivi all'instradamento.

La vera competizione è tra instradamento aperto e lock-in dei modelli chiusi

Il conflitto centrale non è la Cina contro gli Stati Uniti. È l'instradamento portabile dei modelli contro la dipendenza da un unico stack proprietario.

L'origine nazionale rende politicamente rilevante il dominio della top five. Tuttavia, gli sviluppatori prendono di norma decisioni di instradamento attraverso un confronto più pratico.

Si chiedono se un modello possa completare l'attività in modo affidabile, rientrare nel contesto richiesto, chiamare correttamente gli strumenti e operare entro i limiti di risorse dell'applicazione.

OpenRouter rende immediato questo confronto. Un team può assegnare un modello alla pianificazione, un altro all'implementazione e un terzo alla revisione finale.

Questo design multi-modello mette direttamente in discussione l'idea che ogni applicazione AI debba ereditare lo stack completo di un solo fornitore. Separa l'applicazione dal modello sottostante.

OpenAI, Anthropic e Google mantengono comunque vantaggi importanti. I loro sistemi proprietari spesso guidano le valutazioni più difficili e offrono controlli enterprise, integrazioni e supporto maturi.

Anche Anthropic ha mantenuto una posizione forte nella spesa legata alla programmazione, secondo lo studio storico di OpenRouter. Claude resta un punto di riferimento per il lavoro di coding più impegnativo.

Google combina i suoi modelli Gemini con infrastruttura cloud, software di produttività e distribuzione consumer. OpenAI collega i suoi modelli a un'ampia base di sviluppatori e a ChatGPT.

I modelli cinesi a pesi aperti esercitano pressione in un ambito diverso. Rendono disponibili prestazioni accettabili attraverso più host e incoraggiano la sperimentazione a livello applicativo.

Questa pressione è più forte per i carichi di lavoro ad alto volume e con valutazione ripetibile. Le pipeline di coding possono eseguire test, confrontare patch e rifiutare automaticamente gli output errati.

Un'azienda può comunque scegliere un modello proprietario premium per una decisione finale critica. Può instradare la preparazione dei documenti o l'analisi ripetitiva attraverso un altro modello.

L'accoppiata Flash e Pro di DeepSeek si adatta a questo schema. Flash può gestire attività frequenti, mentre Pro può affrontare richieste che richiedono un ragionamento più profondo.

Il contesto lungo di MiMo offre un'altra possibilità. Gli sviluppatori possono fornire a un modello più materiale sorgente invece di costruire una complessa catena di retrieval per ogni richiesta.

Una finestra di contesto lunga non garantisce un richiamo accurato. Aumenta semplicemente la quantità di materiale che un'applicazione può fornire in una singola richiesta.

La distinzione è importante per i team che costruiscono agenti ricchi di conoscenza. Un contesto maggiore può ridurre il lavoro di integrazione, ma il materiale irrilevante può comunque confondere il modello.

I sistemi efficaci hanno quindi bisogno di valutazione, tracciabilità e materiale sorgente organizzato. Una base di conoscenza ingegneristica ricercabile può supportare questi controlli senza determinare quale modello debba elaborare il contenuto.

Il cambiamento più ampio favorisce software agnostico rispetto ai modelli. Queste applicazioni trattano i modelli come componenti sostituibili, preservando al tempo stesso pipeline dati, autorizzazioni ed esperienza utente.

Questo design limita il vendor lock-in, ma introduce nuove responsabilità ingegneristiche. I team devono confrontare la qualità degli output e monitorare i cambiamenti tra diversi provider.

Devono inoltre gestire differenze negli schemi degli strumenti, nei comportamenti di sicurezza, nella gestione del contesto e negli output strutturati. Un'interfaccia condivisa non rende tutti i modelli identici.

L'analisi di OpenRouter mostra che molti sviluppatori accettano questi costi. Stanno instradando abbastanza lavoro verso modelli cinesi da portarli tutti e cinque in testa alla classifica settimanale.

Per i fornitori proprietari, la risposta imposta è chiara. Devono giustificare l'accesso limitato con maggiore affidabilità, integrazioni più solide o vantaggi misurabili su attività di valore.

La notorietà del marchio, da sola, offre una protezione minore quando gli sviluppatori possono testare un altro modello in pochi minuti. I fornitori chiusi hanno bisogno di risultati che resistano a confronti diretti sui carichi di lavoro.

Il volume di token non equivale a ricavi, qualità o fiducia

La classifica misura il consumo su una sola piattaforma, quindi non può dimostrare in modo indipendente la leadership tecnica, il successo commerciale o l'adozione aziendale.

I totali dei token favoriscono i carichi di lavoro che producono prompt e risposte lunghi. Cicli di agenti, sessioni di roleplay, analisi di repository e generazione di dati sintetici possono dominare il volume grezzo.

Un trilione di token provenienti da attività automatizzate non equivale a un trilione di token derivanti da decisioni aziendali regolamentate. Il valore e il rischio associati a queste richieste sono diversi.

Anche l'accesso gratuito può distorcere le classifiche. Un modello appena rilasciato può attirare sperimentazioni perché provarlo richiede un impegno minimo.

L'aumento riportato superiore al 999 percento per Hunyuan Hy3 illustra questo problema. La crescita è degna di nota, ma il punto di partenza era necessariamente molto più basso.

Un cambiamento duraturo richiede che il modello mantenga il traffico dopo che l'attenzione del lancio si è attenuata. I totali settimanali dovrebbero restare elevati per diverse finestre mobili.

Un'altra limitazione riguarda la concentrazione. Un singolo grande cliente o applicazione può influire in modo significativo su un grafico dell'intera piattaforma.

OpenRouter ha riconosciuto questo effetto nella sua analisi storica. Un account di grandi dimensioni ha prodotto un picco evidente nel volume legato agli strumenti nel maggio 2025.

Questo esempio non invalida la classifica attuale. Mostra perché gli osservatori dovrebbero evitare di trasformare direttamente una classifica dei token in quota di mercato globale.

L'affermazione più accurata è più circoscritta. I modelli sviluppati in Cina hanno occupato le cinque posizioni più alte in una snapshot settimanale riportata da OpenRouter.

Anche la qualità è difficile da dedurre. Gli sviluppatori possono selezionare un modello perché è sufficiente per un'attività, non perché produce il miglior output disponibile.

Un modello che gestisce la classificazione di routine può generare più token di uno specialista usato per analisi scientifiche difficili. Volume e capacità rispondono a domande diverse.

Le affermazioni aziendali sui benchmark richiedono analoga cautela. Secondo quanto riportato, DeepSeek posiziona il suo modello di punta rispetto ai principali sistemi chiusi per il codice e le attività complesse degli agenti.

Queste dichiarazioni necessitano di valutazioni indipendenti su repository reali, fallimenti degli strumenti e flussi di lavoro di lunga durata. Un punteggio di benchmark non può cogliere ogni vincolo di produzione.

Anche la lunghezza di contesto dichiarata di MiMo richiede test pratici. I modelli possono accettare input lunghi senza riuscire a recuperare un dettaglio cruciale nascosto al loro interno.

Anche latenza, limiti di frequenza e affidabilità del fornitore influenzano l'adozione. Un'applicazione ha bisogno di prestazioni prevedibili durante i picchi di domanda, non solo di una solida architettura del modello.

La sicurezza resta una decisione separata. Alcune organizzazioni limitano determinati fornitori di modelli o regioni di hosting perché i prompt possono contenere materiale riservato.

I pesi aperti possono ridurre questa preoccupazione quando i clienti distribuiscono i modelli in infrastrutture controllate. Tuttavia, usare un modello aperto tramite un'API di terze parti crea comunque una relazione sui dati.

Gli sviluppatori devono esaminare il fornitore effettivo, la politica di conservazione, il comportamento di logging e il percorso geografico di elaborazione. Il Paese d'origine di un modello non risponde da solo a queste domande.

Anche le licenze meritano attenzione. “Open source” viene spesso usato in modo generico per modelli i cui pesi sono disponibili con restrizioni specifiche.

OpenRouter stesso abbrevia per semplicità i modelli a pesi aperti come OSS. Gli acquirenti dovrebbero comunque esaminare la licenza prima di distribuire o modificare un modello.

Le aziende regolamentate possono continuare a preferire sistemi proprietari con documentazione di conformità consolidata. Questa scelta può persistere anche quando un modello aperto guida il volume di token.

Anche la portata presso i consumatori resta assente. ChatGPT, Gemini e altri prodotti first-party generano un'attività significativa al di fuori di OpenRouter.

Gli accordi aziendali diretti creano un altro punto cieco. Le grandi aziende accedono spesso ai modelli tramite contratti cloud anziché attraverso piattaforme pubbliche di aggregazione.

La classifica descrive quindi il livello contendibile del mercato. Mostra cosa accade dove gli sviluppatori possono confrontare i modelli con costi di passaggio relativamente bassi.

Questo livello conta perché può influenzare gli acquisti futuri. Un modello testato inizialmente tramite un aggregatore può in seguito passare all'hosting diretto o a un'implementazione privata.

Tuttavia, l'exploit di luglio dovrebbe essere considerato un segnale di adozione, non un verdetto definitivo. Il suo messaggio più forte riguarda la disponibilità degli sviluppatori a cambiare.

Cosa Xiaomi, DeepSeek e Tencent devono dimostrare ora

Tre segnali determineranno se il dominio delle prime cinque posizioni rappresenti un cambiamento duraturo o un altro ciclo di classifica in rapida evoluzione.

Il primo segnale è la fidelizzazione. MiMo-V2.5, DeepSeek V4 Flash, Hunyuan Hy3, GLM 5.2 e DeepSeek V4 Pro devono mantenere un traffico sostanziale oltre le finestre di lancio.

I totali mobili su quattro settimane e trimestrali offriranno una visione migliore rispetto a una singola snapshot settimanale. Un traffico stabile suggerirebbe l'integrazione in applicazioni persistenti.

Un forte calo indicherebbe sperimentazione, condizioni di accesso temporanee o migrazione verso modelli più recenti. L'instradamento aperto rende sia l'adozione sia l'abbandono insolitamente rapidi.

MiMo merita particolare attenzione perché ha guidato la classifica con un ampio margine riportato. La sua posizione si rafforzerà se gli sviluppatori continueranno a utilizzare le sue funzionalità multimodali e di contesto lungo.

Il secondo segnale è la qualità dei carichi di lavoro. Le valutazioni indipendenti dovrebbero testare questi modelli all'interno di sistemi completi di coding e agenti, non solo su prompt di benchmark isolati.

Test utili dovrebbero misurare chiamate agli strumenti riuscite, repository completati, recupero dagli errori e prestazioni su attività lunghe. Dovrebbero inoltre rendere note infrastruttura e metodi di valutazione.

DeepSeek V4 Pro affronta qui il test più chiaro. Il suo posizionamento riportato dipende dalla capacità di gestire lavori complessi degli agenti a un livello vicino a quello dei principali modelli chiusi.

Se questi risultati verranno replicati da team indipendenti, i fornitori proprietari subiranno una pressione diretta sui carichi di lavoro ad alto valore. In caso contrario, il volume resterà una storia di efficienza.

Hy3 di Tencent necessita dello stesso scrutinio dopo il suo rapido debutto. Un aumento trainato dal lancio diventa più significativo quando gli sviluppatori pubblicano risultati di produzione ripetibili.

Il terzo segnale è la risposta di OpenAI, Anthropic e Google. La loro reazione mostrerà se considerano l'instradamento verso modelli aperti una minaccia strategica.

Una risposta può assumere diverse forme senza concentrarsi su dati di prezzo pubblici. I fornitori possono migliorare modelli più piccoli, ampliare il contesto, rafforzare l'uso degli strumenti o allentare le opzioni di implementazione.

Possono inoltre approfondire l'integrazione aziendale, dove conformità e supporto restano difese più solide. Una maggiore affidabilità può preservare la domanda premium anche quando cambia la quota grezza di token.

I dati di OpenRouter stesso supportano questo mercato diviso. Il suo studio ha rilevato che i modelli aperti si concentravano nell'uso ad alto volume e minor costo, mentre i sistemi chiusi mantenevano carichi di lavoro di valore.

L'ultimo dominio suggerisce che gli sviluppatori cinesi stiano salendo nella fascia ad alto volume. La questione irrisolta è quanto lavoro premium li seguirà.

Gli sviluppatori dovrebbero quindi evitare di scegliere un vincitore sulla base di un solo grafico. Dovrebbero testare i modelli rispetto alle proprie attività e preservare la capacità di reindirizzare.

Una valutazione pratica parte da prompt rappresentativi, output attesi e condizioni di errore. Dovrebbe includere latenza, completamento degli strumenti, recupero del contesto e revisione umana.

I team dovrebbero inoltre registrare quale modello ha prodotto ciascun output. Questa tracciabilità diventa essenziale quando un fornitore aggiorna un modello o una configurazione di instradamento.

I knowledge worker affrontano una questione correlata. Man mano che le applicazioni combinano diversi modelli, hanno bisogno di un luogo stabile per i documenti sorgente e le decisioni verificate.

Un sistema di conoscenza personale può preservare questa continuità mentre i modelli alla base di un'applicazione continuano a cambiare.

Il dominio riportato su OpenRouter è importante perché mostra sviluppatori che agiscono in base alla scelta. I modelli cinesi non si sono limitati a entrare nell'insieme dei modelli comparabili.

Secondo quanto riportato, hanno occupato ogni posizione di vertice in un importante marketplace multi-modello per una settimana. Xiaomi, DeepSeek, Tencent e Zhipu AI hanno contribuito ciascuna a questo risultato.

Eppure, la prossima fase sarà più difficile che scalare un grafico in tempo reale. Queste aziende devono convertire la sperimentazione in carichi di lavoro mantenuti, implementazioni affidabili e prestazioni ripetibili.

OpenAI, Anthropic e Google possiedono ancora distribuzione, relazioni aziendali e forti modelli proprietari. Subiscono pressioni, ma non sono scomparsi dall'uso globale dell'AI.

Il cambiamento duraturo è l'indebolimento della fedeltà automatica a un modello. Gli sviluppatori trattano sempre più un modello AI come un componente che deve continuare a meritarsi il proprio instradamento.

Osservate le prossime finestre settimanali, le valutazioni indipendenti degli agenti e le risposte dei fornitori chiusi. Insieme, questi segnali riveleranno se questo dominio diventerà un cambiamento di mercato duraturo.