OpenRouter：当模型选择变成任务级变量

模型不再是一道单选题，而是一组动态决策

7月18日，Kimi K3发布仅两天便冲入OpenRouter日榜前十，单日调用量达1420亿token。同期，GLM-5.2、Nemotron与DeepSeek的调用量已超越部分Claude Opus实例。开放权重模型不再是实验室概念，正真实进入API调用主航道。 但热度背后浮现结构性矛盾：K3上线初期仅由Moonshot独家提供，OpenRouter很快触发上游容量告警，频繁返回429错误。模型开源 ≠ 推理就绪——GPU资源、量化能力、缓存策略与服务稳定性，仍需时间沉淀。

从季度采购，到每次请求的实时判断

过去两年，开发者紧盯「谁比GPT-4更强」；如今真实场景中，问题更细碎：信息抽取可用Qwen-7B，逻辑推理需调用DeepSeek-V4 Pro，中文长文本处理GLM-5.2更稳。同一任务里，不同子步骤可能匹配不同模型；同一模型，又因provider差异呈现4倍价格差、14倍吞吐差。 模型选择，已从年度技术选型，退化为毫秒级的任务决策变量。

OpenRouter做的不是聚合，而是分流

它不新增GPU，也不替代任何provider，只做两件事：把分散的模型接口统一为OpenAI兼容格式；把流量导向仍有余量的节点。开发者用一把key接入400+模型、70+服务商，新模型发布当天即可测试，某家宕机时自动fallback——它不生产供给，但让供给更可见、更可调度。 这一能力已获得验证：2026年5月，OpenRouter以13亿美元估值完成1.13亿美元B轮融资，CapitalG领投，Snowflake、Databricks等多家产业资本跟投。

Router的本质：每天两次关键选择

想象一个尽调Agent：先高速提取公司股权结构（便宜模型即可），再交叉验证交易风险（必须用frontier model）。这是第一次选择——任务该交给谁？ 选定DeepSeek后，问题未结束：由原厂、Together还是DigitalOcean运行？价格、延迟、uptime、上下文长度、量化精度各不相同。这是第二次选择——同一组权重，该托付给哪家执行者？ 这两层选择，共同构成model routing的核心。它们依赖不同信号、面临不同对手、创造不同价值：模型选择靠近业务结果，provider路由依赖中立网络与规模观测。

开源越繁荣，routing越不可缺

截至2026年中，OpenRouter平台open-weight模型token占比已达三分之一；中国开源模型周度份额一度逼近30%，但无一长期占据超25%的开源流量。DeepSeek V4在6月初的token份额升至18%，且新增流量主要来自coding与Agent工作负载——开源模型正从“角色扮演玩具”走向生产核心。 但繁荣不等于高毛利：52%的开源token来自roleplay类低价值负载，programming仅占15%-20%；中国模型中programming+tech类占比约39%，仍是价格敏感型主力。模型越便宜，token越多，平台每token抽成空间反而被压缩。

卖的不是API，是采购智能

单模型应用直连OpenAI很简单；当团队要同时管理10个模型、20家provider时，开户、充值、限额、数据政策、fallback逻辑、多账单对账……成本陡增。OpenRouter将其压缩为一把key、一份账单、一个模型名。 它早期客户多为AI-native团队：角色产品需快速切换审核策略，coding agent需混合调用高低成本模型，新模型发布当天就要跑通端到端链路。这类客户年支出常达10万美元至百万美元级，5%平台费远低于自建基础设施成本。 更关键的是供给侧价值：OpenAI曾通过OpenRouter以匿名模型Quasar Alpha和Optimus Alpha进行GPT-4.1灰度测试；模型方获得无品牌偏见的真实负载与留存数据，OpenRouter则强化了“首发必看”的开发者心智。

价值正在分层，竞争也在错位

Model routing实际包含四层： • Model selection：按任务质量与成本择优，价值在应用层与Agent runtime； • Provider routing：在同模型下比价、比速、比稳，OpenRouter当前最强项； • Execution control：重试、cache、tool call状态管理，需贴近任务闭环； • Enterprise governance：权限、审计、区域合规，天然嵌入云与数据平台。 Vercel靠近代码，Cloudflare靠近网络，AWS靠近身份，Agent框架靠近结果——OpenRouter唯一不可替代的锚点，是它作为中立网络对碎片化供给的广度覆盖与实时遥测。

向上走，但必须守住中立

2026年6月，Advisor、Subagent与Fusion三款新能力上线：Advisor允许轻量模型遇阻时临时调用强模型；Subagent让frontier model将机械任务委派给worker；Fusion支持多模型并行+judge融合。调用单位正从「单次请求」转向「任务内智能协作」。 但路径存在张力：做深orchestration可能侵入客户Agent runtime；做浅则沦为纯access layer。更可行的解法是——可插拔：OpenRouter提供跨模型/跨provider的供给广度、质量遥测与统一结算，客户保留verifier与业务反馈闭环，在可验证场景（如代码测试）中回传eval结果，驱动个性化routing优化。

13亿美元估值，买的是两个尚未兑现的期权

一是成为AI-native企业的intelligence procurement network：即使主流量直连，仍用OpenRouter做新模型发现、突发容量承接与跨provider采购协同； 二是升级为feedback-aware orchestration层：不再只按token抽成，而是基于质量提升与成本节省收费。 当前收入主要来自平台费，年化约5000万美元。13亿美元估值隐含对这两项能力的提前支付。真正考验在于：百万美元客户迁移稳定流量后，OpenRouter能否留住高价值生产GMV；effective take rate承压时，retained GMV能否加速增长；企业订阅、容量保障与orchestration能否形成独立收入支柱。

结语：Routing会普及，利润属于离决策最近的人

Alex Atallah当年看到Alpaca仅花600美元微调成功，便预判模型供给将爆炸式增长。三年后，OpenRouter证明：碎片越多，中立入口越重要。但Agent时代真正的分水岭已至——问题不再是「能不能调用所有模型」，而是「每个任务，此刻该用哪个模型、哪家provider、是否需要协作」。 它最可能先成为一张高效、透明、可审计的采购网络；更高价值，则取决于客户是否愿意把任务级决策权交出来，并为更好的结果付费。Token量只是入场券，留下生产流量、赢得信任投票，才是护城河的终极刻度。