実際に使っているのは誰か：中国モデルが海外の画像生成・動画生成で過半数の利用量を獲得

8月24日から10月5日まで、Overchat AIは109万人のユーザーと3160万回のモデルインタラクションを記録した。この匿名統計を広げて見たとき、最も目を引くのは、誰かがどこかのランキングで1点高かったことではなく、人々が実際に手を動かすときに誰に票を投じたかだ。画像生成と動画生成という、最も計算資源を食い、最もコストもかかる作業の過半が、中国製モデルによって行われている。

これは評価スコアではなく、利用量だ。スコアは一度大規模にしたテストで稼げるが、利用量は繰り返しのクリックを積み重ねることでしか貯まらない。

まず、このデータの定義をはっきりさせておく。市場全体の調査と受け取らないためだ。これは複数のモデルを同じミニアプリに入れたプラットフォームによるもので、8月24日から10月5日までの間に、109万人のユーザーが120万セッションで行った3160万回のインタラクションを集計したものだ。シェアの算出方法は「各ユーザーがあるモデルを1回使えば1回と数える」であり、呼び出しごとに累積する方式ではない。サンプルは複数モデルを同時に試したいユーザーに自然と偏るため、これは「誰が繰り返し開かれているか」のスナップショットに近く、業界全体の売上請求書ではない。しかし、すべてのモデルが同じ入口に並び、同じユーザー層に接しているからこそ、この比較は各社がそれぞれ発表するベンチマークよりむしろ説得力を持つ。

テキストは依然として米国勢、画像・動画は交代が進む

まず変わっていない部分を見る。テキストのインタラクションでは、Gemini、GPT、Claude、Grokを合わせて86.2%を占め、この領域で米国企業にほとんど敵はいない。変わったのは画像・動画だ。中国製モデルの画像生成シェアは前期の54.0%から59.5%へ、動画生成は43.5%から53.6%へ上昇した。同期間で、中国製モデルは全インタラクションの36.9%を占めている。

具体的なモデルファミリーに寄って見ると、役割分担はさらに明確だ。画像側では、ByteDanceのSeedreamが33.5%で首位を固め、GoogleのNano Bananaが26.1%、AlibabaのQwen Imageが26.0%で続く。後者は前期の12.3%からほぼ倍増した。動画側では、xAIのGrok Imagineが依然として単体で首位（30.6%、ただし前期の39.6%からは後退）、ByteDanceのSeedanceが10.8%から25.2%へ急伸し、Klingは21.9%を維持している。

本当に立ち止まって見るべきなのは2週間のウィンドウだ。9月22日から10月5日まで、Qwen Imageは全カテゴリーで利用量が最も高いモデルファミリーとなり、17.2%を記録。GPTテキストの10.9%とGeminiの10.8%を上回った。オープンウェイト由来で、画像編集を得意とするファミリーが、各社モデルを集約した入口の中で、すべてのテキストモデルを超える回数だけ開かれたのだ。

安さは使われることと同じではない、Qwenの数字は別のことを示している

最も簡単に出てくる説明は価格だ。Overchat AIはわざわざ補足している。Qwen ImageとGPT Image 2.5は同プラットフォーム上で単価が同じで、どちらも無料プランに含まれている。価格は同じなのに、利用量は約4倍差がある。つまりここで効いているのは、どちらが安いかではなく、別のものだ。出力画像の使える率、編集時に元画像をどこまで保てるか、そしてユーザーが一度試した後にもう一度試したくなるかどうか。

この粘着性をよく説明するデータがもう一つある。新規ユーザーのモデル選択では、OpenAIとAnthropicを合わせて23.8%だったが、リピートユーザーではこの数字が19.8%に下がる。一方で、Googleは20.9%から28.0%へ、中国企業は36.3%から39.8%へ上昇した。最初の選択は馴染みで決まり、その後は実際の体験で決まる。人々は乗り換えるし、その方向は画像・動画能力の方へ向かっている。

使い方もデバイスも変わりつつある

地域差は想像以上に大きい。日本ではAI利用量の74.4%がGeminiによるもので、ほぼ独壇場だ。スペインとインドネシアは明らかにQwen Imageに偏っている。米国は例外で、動画生成を第一カテゴリーとする唯一の主要市場であり、36.8%を占める。ブラジルは最もテキストに偏り、49.3%だ。

モバイルはセッションの約74%を占め、しかもテキスト、画像、動画がほぼ三等分で、それぞれ約33%だ。デスクトップは明らかにテキストに偏り51.3%で、主要ファミリーはGPT、Gemini、Claude。この対比が明かすのは、画像・動画生成が「思いついたらすぐやる」ものになりつつあるということだ。ユーザーはスマホで思い立ったら試すのであって、PCの前に溜めてから真剣に作るのではない。モバイルで好まれるファミリーもこれを裏づける。Seedream、Grok Imagine、Seedanceだ。

利用量を品質と取り違えないこと

慎重になるべき点も同じくらい明確だ。これは単一プラットフォームのサンプルであり、ユーザー構造は新しいモデルを試す意欲のある層に偏るため、そのまま市場全体に外挿することはできない。利用量が高いのは繰り返し開かれたことを示すだけで、一枚一枚の画像がより良いとは言えない。SeedanceのコストはGrok Imagine 1.5の約3倍だが、それでもシェアを3倍以上伸ばした。これはユーザーが気にしているのが決して価格だけではないことを示している。

しかし、このサンプルを他のシグナルと並べると、方向性は曖昧ではなくなる。同じ時期に、AlibabaはQwen-Imageのウェイトを公開し（ただしライセンスは研究用途のみに変更）、ByteDanceはSeedanceにまず480Pのドラフトを出し、満足したら完成版を出すモードを導入し、生数科技はフラッグシップ動画モデルの初回価格を1秒0.09元まで下げた。これらの動きはすべて同じ目標を指している。「何度か試す」ことを手頃な負担にすることだ。

もう少し視野を広げると、このデータはよりマクロなことも説明できる。テキストto動画とテキストto画像の採用は、専門スタジオから一般人の手へと下りてきている。モバイルがセッションの7割以上を占め、しかも3種類のコンテンツがほぼ均等に分かれていることは、大多数がワークフローを組んでいるのではなく、思いつきで試していることを意味する。この層は最先端モデルのベンチマーク上限を決めることはできないが、モデルがどれほど頻繁に使われ、何人の人に推薦されるかを決める。「一度試せば使える結果が出る」という点でより安定してできるモデルほど、スマホの最初の画面に残りやすい。

画像と動画の競争で最終的に問われるのは、一枚の完成品の上限ではなく、同じ予算で何回試し、何回直し、そして何回残したいと思えるかだ。利用量データは、この素朴な道理を3000万回のクリックで書き出したにすぎない。