GitHub[225K]OpenCode ausprobieren

Aktualisiert 6. Nov., 16:05 UTC

Modelldaten

Name: KI-Modellnutzungs-Rankings | OpenCode Data
Creator: OpenCode

Sieh, welche Modelle echte Nutzung gewinnen, wie sich der Mix verschiebt und was das für die Kosten bedeutet.

Stand 6. November 2026: Muse Spark 1.3 Contributor lag in den letzten 7 Tagen bei der OpenCode-Nutzung mit 1B Tokens vorn, gefolgt von DeepSeek V4 Flash (0) und jev-1.13 (0).

Top-Modelle. Nutzung von Modellen in OpenCode.

0BSEP 12SEP 12

0BSEP 13SEP 13

0BSEP 14SEP 14

0BSEP 15SEP 15

0BSEP 16SEP 16

0BSEP 17SEP 17

0BSEP 18SEP 18

0BSEP 19SEP 19

0BSEP 20SEP 20

0BSEP 21SEP 21

0BSEP 22SEP 22

0BSEP 23SEP 23

0BSEP 24SEP 24

0BSEP 25SEP 25

0BSEP 26SEP 26

0BSEP 27SEP 27

0BSEP 28SEP 28

0BSEP 29SEP 29

0BSEP 30SEP 30

0BOCT 1OCT 1

0BOCT 2OCT 2

0BOCT 3OCT 3

0BOCT 4OCT 4

0BOCT 5OCT 5

0BOCT 6OCT 6

0BOCT 7OCT 7

0BOCT 8OCT 8

1BOCT 9OCT 9

1BOCT 10OCT 10

1BOCT 11OCT 11

2BOCT 12OCT 12

1BOCT 13OCT 13

1BOCT 14OCT 14

0BOCT 15OCT 15

0BOCT 16OCT 16

0BOCT 17OCT 17

0BOCT 18OCT 18

0BOCT 19OCT 19

0BOCT 20OCT 20

0BOCT 21OCT 21

0BOCT 22OCT 22

0BOCT 23OCT 23

0BOCT 24OCT 24

0BOCT 25OCT 25

0BOCT 26OCT 26

0BOCT 27OCT 27

0BOCT 28OCT 28

0BOCT 29OCT 29

0BOCT 30OCT 30

0BOCT 31OCT 31

0BNOV 1NOV 1

0BNOV 2NOV 2

0BNOV 3NOV 3

0BNOV 4NOV 4

0BNOV 5NOV 5

0BNOV 6NOV 6

Gestapeltes Nutzungsdiagramm der Top-Modelle
Datum	muse-spark-1.3-contributor	deepseek-v4-flash	jev-1.13	Other	gesamt
SEP 12	0B	0B	0B	0B	0B
SEP 13	0B	0B	0B	0B	0B
SEP 14	0B	0B	0B	0B	0B
SEP 15	0B	0B	0B	0B	0B
SEP 16	0B	0B	0B	0B	0B
SEP 17	0B	0B	0B	0B	0B
SEP 18	0B	0B	0B	0B	0B
SEP 19	0B	0B	0B	0B	0B
SEP 20	0B	0B	0B	0B	0B
SEP 21	0B	0B	0B	0B	0B
SEP 22	0B	0B	0B	0B	0B
SEP 23	0B	0B	0B	0B	0B
SEP 24	0B	0B	0B	0B	0B
SEP 25	0B	0B	0B	0B	0B
SEP 26	0B	0B	0B	0B	0B
SEP 27	0B	0B	0B	0B	0B
SEP 28	0B	0B	0B	0B	0B
SEP 29	0B	0B	0B	0B	0B
SEP 30	0B	0B	0B	0B	0B
OCT 1	0B	0B	0B	0B	0B
OCT 2	0B	0B	0B	0B	0B
OCT 3	0B	0B	0B	0B	0B
OCT 4	0B	0B	0B	0B	0B
OCT 5	0B	0B	0B	0B	0B
OCT 6	0B	0B	0B	0B	0B
OCT 7	0B	0B	0B	0B	0B
OCT 8	0B	0B	0B	0B	0B
OCT 9	0B	1B	0B	0B	1B
OCT 10	0B	1B	0B	0B	1B
OCT 11	0B	1B	0B	0B	1B
OCT 12	0B	2B	0B	0B	2B
OCT 13	0B	1B	0B	0B	1B
OCT 14	0B	1B	0B	0B	1B
OCT 15	0B	0B	0B	0B	0B
OCT 16	0B	0B	0B	0B	0B
OCT 17	0B	0B	0B	0B	0B
OCT 18	0B	0B	0B	0B	0B
OCT 19	0B	0B	0B	0B	0B
OCT 20	0B	0B	0B	0B	0B
OCT 21	0B	0B	0B	0B	0B
OCT 22	0B	0B	0B	0B	0B
OCT 23	0B	0B	0B	0B	0B
OCT 24	0B	0B	0B	0B	0B
OCT 25	0B	0B	0B	0B	0B
OCT 26	0B	0B	0B	0B	0B
OCT 27	0B	0B	0B	0B	0B
OCT 28	0B	0B	0B	0B	0B
OCT 29	0B	0B	0B	0B	0B
OCT 30	0B	0B	0B	0B	0B
OCT 31	0B	0B	0B	0B	0B
NOV 1	0B	0B	0B	0B	0B
NOV 2	0B	0B	0B	0B	0B
NOV 3	0B	0B	0B	0B	0B
NOV 4	0B	0B	0B	0B	0B
NOV 5	0B	0B	0B	0B	0B
NOV 6	0B	0B	0B	0B	0B

muse-spark-1.3-contributor1B Tokens

MetaNeu

deepseek-v4-flash0B Tokens

DeepSeek-74% ggü. Vorwoche

jev-1.130B Tokens

+158% ggü. Vorwoche

muse-spark-1.3-contributor1B Tokens

MetaNeu

deepseek-v4-flash0B Tokens

DeepSeek-74% ggü. Vorwoche

jev-1.130B Tokens

+158% ggü. Vorwoche

MEHR ERFAHRENTOP-MODELLE▸

Eindeutige Nutzer. Täglich eindeutige OpenCode-Nutzer nach Modell.

0SEP 12SEP 12

2SEP 13SEP 13

2SEP 14SEP 14

1SEP 15SEP 15

0SEP 16SEP 16

0SEP 17SEP 17

1SEP 18SEP 18

1SEP 19SEP 19

0SEP 20SEP 20

2SEP 21SEP 21

0SEP 22SEP 22

2SEP 23SEP 23

0SEP 24SEP 24

6SEP 25SEP 25

0SEP 26SEP 26

0SEP 27SEP 27

2SEP 28SEP 28

0SEP 29SEP 29

0SEP 30SEP 30

0OCT 1OCT 1

0OCT 2OCT 2

1OCT 3OCT 3

0OCT 4OCT 4

0OCT 5OCT 5

0OCT 6OCT 6

0OCT 7OCT 7

0OCT 8OCT 8

0OCT 9OCT 9

0OCT 10OCT 10

0OCT 11OCT 11

0OCT 12OCT 12

0OCT 13OCT 13

0OCT 14OCT 14

0OCT 15OCT 15

0OCT 16OCT 16

0OCT 17OCT 17

1OCT 18OCT 18

0OCT 19OCT 19

0OCT 20OCT 20

0OCT 21OCT 21

0OCT 22OCT 22

0OCT 23OCT 23

5OCT 24OCT 24

0OCT 25OCT 25

0OCT 26OCT 26

0OCT 27OCT 27

0OCT 28OCT 28

0OCT 29OCT 29

0OCT 30OCT 30

0OCT 31OCT 31

0NOV 1NOV 1

0NOV 2NOV 2

0NOV 3NOV 3

0NOV 4NOV 4

0NOV 5NOV 5

0NOV 6NOV 6

Gestapeltes Diagramm eindeutiger Nutzer nach Modell
Datum	deepseek-v4-flash	muse-spark-1.3-contributor	Other	gesamt
SEP 12	0	0	0	0
SEP 13	2	0	0	2
SEP 14	2	0	0	2
SEP 15	0	1	0	1
SEP 16	0	0	0	0
SEP 17	0	0	0	0
SEP 18	0	0	1	1
SEP 19	0	0	1	1
SEP 20	0	0	0	0
SEP 21	1	0	1	2
SEP 22	0	0	0	0
SEP 23	1	0	1	2
SEP 24	0	0	0	0
SEP 25	3	1	2	6
SEP 26	0	0	0	0
SEP 27	0	0	0	0
SEP 28	0	0	2	2
SEP 29	0	0	0	0
SEP 30	0	0	0	0
OCT 1	0	0	0	0
OCT 2	0	0	0	0
OCT 3	1	0	0	1
OCT 4	0	0	0	0
OCT 5	0	0	0	0
OCT 6	0	0	0	0
OCT 7	0	0	0	0
OCT 8	0	0	0	0
OCT 9	0	0	0	0
OCT 10	0	0	0	0
OCT 11	0	0	0	0
OCT 12	0	0	0	0
OCT 13	0	0	0	0
OCT 14	0	0	0	0
OCT 15	0	0	0	0
OCT 16	0	0	0	0
OCT 17	0	0	0	0
OCT 18	1	0	0	1
OCT 19	0	0	0	0
OCT 20	0	0	0	0
OCT 21	0	0	0	0
OCT 22	0	0	0	0
OCT 23	0	0	0	0
OCT 24	3	1	1	5
OCT 25	0	0	0	0
OCT 26	0	0	0	0
OCT 27	0	0	0	0
OCT 28	0	0	0	0
OCT 29	0	0	0	0
OCT 30	0	0	0	0
OCT 31	0	0	0	0
NOV 1	0	0	0	0
NOV 2	0	0	0	0
NOV 3	0	0	0	0
NOV 4	0	0	0	0
NOV 5	0	0	0	0
NOV 6	0	0	0	0

Weekly Retention. Weekly users returning the next week.

No retention data

Retention appears after a complete return week is available.

MEHR ERFAHRENTOP-MODELLE▸

Sitzungskosten. Durchschnittliche Kosten pro Sitzung.

Keine Sitzungskostendaten

Keine Modellzeilen mit Sitzungen passten zu diesem Produkt.

MEHR ERFAHRENSITZUNGSKOSTEN▸

Tokenkosten. Preis pro 1 Mio. Tokens.

Eingabe$0.10

Ausgabe$0.20

Gecacht$0.0020

MEHR ERFAHRENTOKENKOSTEN▸

Cache-Anteil. Anteil der Eingabetokens, die aus dem Cache bedient wurden.

Cache-Anteil0%

Gecacht0B

Nicht gecacht0B

MEHR ERFAHRENCACHE-ANTEIL▸

Marktanteil. Vergleiche den Tokenanteil nach Modellautor.

Marktanteil nach Modellautor
Datum	DeepSeek	Meta	Other	OpenAI
SEP 13	100.0%	0.0%	0.0%	0.0%
SEP 14	100.0%	0.0%	0.0%	0.0%
SEP 15	0.0%	100.0%	0.0%	0.0%
SEP 16	100.0%	0.0%	0.0%	0.0%
SEP 17	100.0%	0.0%	0.0%	0.0%
SEP 18	100.0%	0.0%	0.0%	0.0%
SEP 19	96.8%	0.0%	3.2%	0.0%
SEP 21	100.0%	0.0%	0.0%	0.0%
SEP 23	100.0%	0.0%	0.0%	0.0%
SEP 25	98.7%	1.3%	0.0%	0.0%
SEP 28	100.0%	0.0%	0.0%	0.0%
OCT 3	100.0%	0.0%	0.0%	0.0%
OCT 8	97.4%	0.0%	2.6%	0.0%
OCT 9	97.7%	2.3%	0.0%	0.0%
OCT 10	100.0%	0.0%	0.0%	0.0%
OCT 11	100.0%	0.0%	0.0%	0.0%
OCT 12	92.8%	7.2%	0.0%	0.0%
OCT 13	99.2%	0.8%	0.0%	0.0%
OCT 14	99.8%	0.2%	0.0%	0.0%
OCT 15	0.0%	100.0%	0.0%	0.0%
OCT 16	0.0%	100.0%	0.0%	0.0%
OCT 17	39.8%	60.2%	0.0%	0.0%
OCT 18	50.2%	0.0%	49.8%	0.0%
OCT 19	0.6%	99.1%	0.3%	0.0%
OCT 20	100.0%	0.0%	0.0%	0.0%
OCT 22	33.2%	66.8%	0.0%	0.0%
OCT 23	100.0%	0.0%	0.0%	0.0%
OCT 24	99.9%	0.1%	0.0%	0.0%
OCT 25	100.0%	0.0%	0.0%	0.0%
OCT 26	98.6%	1.0%	0.4%	0.0%
OCT 27	87.0%	7.8%	5.2%	0.0%
OCT 28	86.2%	7.5%	6.2%	0.0%
OCT 29	57.9%	10.5%	31.6%	0.0%
OCT 30	94.3%	5.7%	0.0%	0.0%
OCT 31	58.2%	41.8%	0.0%	0.0%
NOV 1	88.8%	11.2%	0.0%	0.0%
NOV 2	34.8%	65.2%	0.0%	0.0%
NOV 3	86.6%	13.4%	0.0%	0.0%
NOV 4	1.6%	98.4%	0.0%	0.0%
NOV 5	1.1%	98.9%	0.0%	0.0%
NOV 6	1.0%	99.0%	0.0%	0.0%

[*]NOV 6 2026

MEHR ERFAHRENMARKTANTEIL▸

Geografische Aufschlüsselung

MEHR ERFAHRENGEOGRAFISCHE AUFSCHLÜSSELUNG▸

Methodik. So werden diese Daten erhoben.

Aktualisierungen: Stündlich aggregiert. Tage und Wochen basieren auf UTC.
Tokens: Eingabe-, Ausgabe-, Reasoning- und gecachte Tokens jeder Anfrage.
Nutzer und Sitzungen: Ungefähre Anzahl eindeutiger Nutzer und OpenCode-Sitzungen.
Kosten: Sitzungskosten sind die durchschnittlichen Kosten pro OpenCode-Sitzung. Tokenpreise sind Listenpreise aus dem OpenCode-Modellkatalog.
Nutzerbindung: Der Anteil der Nutzer eines Modells in einer Woche, die es in der folgenden Woche erneut nutzen.
Zitieren: Zitiere OpenCode Data (opencode.ai/data) mit der oben auf der Seite angezeigten Aktualisierungszeit.

Model Comparisons. Popular model pairs from the leaderboard.

Top two by recent usagemuse-spark-1.3-contributor vs deepseek-v4-flashmuse-spark-1.3-contributordeepseek-v4-flash Leader vs challengermuse-spark-1.3-contributor vs jev-1.13muse-spark-1.3-contributorjev-1.13 Adjacent leaderboard pairdeepseek-v4-flash vs jev-1.13deepseek-v4-flashjev-1.13

Modelldaten

#Top-Modelle. Nutzung von Modellen in OpenCode.

#Eindeutige Nutzer. Täglich eindeutige OpenCode-Nutzer nach Modell.

#Weekly Retention. Weekly users returning the next week.

#Sitzungskosten. Durchschnittliche Kosten pro Sitzung.

#Tokenkosten. Preis pro 1 Mio. Tokens.

#Cache-Anteil. Anteil der Eingabetokens, die aus dem Cache bedient wurden.

#Marktanteil. Vergleiche den Tokenanteil nach Modellautor.

#Geografische Aufschlüsselung

#Methodik. So werden diese Daten erhoben.