当开源模型逼近闭源，谁会成为 AI 世界的路由器？

作者：Haina

2023 年 3 月，前 OpenSea 高管 Alex Atallah 在运行 Stanford Alpaca 时发现，利用 GPT-3 生成数据并微调 Llama 的全过程仅需约 600 美元。这一低成本让他意识到，模型生产门槛正在急剧下降，未来将是成千上万个模型并存的时代，开发者亟需发现、比较模型并选择推理供应商的工具。

Atallah 先推出了开源 Chrome 扩展 Window AI，随后上线 OpenRouter。它将分散的模型整合进兼容 OpenAI 的 API，开发者只需修改一行代码即可切换模型。三年后，OpenRouter 成长为独角兽。2026 年 5 月，其完成由 CapitalG 领投的 1.13 亿美元 B 轮融资，投后估值约 13 亿美元。

增长已获验证，但挑战随之而来：当所有云厂商和框架都能充当网关时，OpenRouter 如何守住其核心价值？

以一个企业尽调 AI Agent 为例：第一步提取信息可交给廉价快速模型；第二步判断风险则需调用更强的 frontier model。这是第一次选择：任务该交给哪个模型？

若决定使用 DeepSeek，接下来需选择运行方：原厂、Baseten、Together 等 provider 在价格、速度、 uptime 及量化方式上各不相同。这是第二次选择：同一模型该交给哪家 provider？

Model Routing 实则是四个市场的集合：

• Model selection：根据任务选择模型，追求质量与成本最优。
• Provider routing：在同一模型的不同供应商间选择，关注价格、速度和稳定性。
• Execution control：管理重试、降级、缓存及预算，确保 Agent 完成任务。
• Enterprise governance：管理身份、权限、审计与合规，使模型进入生产核心。

OpenRouter 当前的优势在于模型采购入口与 provider routing，正逐步向自动 model selection 与编排延伸，而在执行控制与企业治理层面，仍面临来自应用层和云平台的竞争。

数据显示，截至 2025 年底，open-weight 模型约占平台流量的三分之一，中国开源模型份额曾一度接近 30%。2026 年上半年，DeepSeek 份额从 9% 升至 18%，中国模型 token 份额首次超越美国模型，且新增流量主要来自 Agent 工作负载而非角色扮演。

这是一个持续轮换的候选池，GLM、Kimi、DeepSeek 等交替领先，使得发现、评测和路由的需求随供给碎片化而增厚。然而，Token 量不等于高质量收入：约 52% 的开源 token 来自角色扮演，这类负载对成本极度敏感。开源越便宜，token 越多，但平台费未必同速增长。

同一组权重可由十几家推理商部署，速度、缓存与数据政策的差异变得至关重要。结论是双刃剑：开源越成功，routing 越必要；但开源越便宜，router 每个 token 留下的利润可能越少。

当模型数量从一个变成十个，供应商从一家变成数十家，开发者面临开户、充值、API 适配、故障重试及财务对账的繁琐工作。OpenRouter 将这些压缩为一把 key、一份账单和一个模型字符串，旨在成为“采购 intelligence 的 S3"。

AI-native 团队是其早期核心客户，他们更需要多模型切换与新模型快速测试能力。这类客户年支出可达数十万至百万美元，能接受约 5% 的平台费率。相比之下，受监管的大型企业更多将其用于非核心流量。

OpenRouter 还具有供给侧价值：替模型实验室找到真实用户。OpenAI 曾通过其进行 GPT-4.1 的匿名测试。这种中立分发结合跨模型真实使用数据，构成了比统一接口更深的资产壁垒。

截至 2026 年，OpenRouter 已加入 SSO、零数据保留及 SOC 2 合规等企业功能，但仍缺乏本地部署和 HIPAA 支持，这在一定程度上限制了其在医疗金融核心负载中的应用。

客群呈不对称金字塔结构：AI-native 公司是当前 GMV 引擎，企业客户更像上行期权。支出并不等于依赖度，部分大客户仅将其作为备份。

存在一条约 100 万美元的“毕业线”：当平台费足以覆盖一至两名工程师成本时，直连或自建 fallback 的经济账开始成立。客户可能迁走最稳定、最贵的流量，仅保留 discovery 和突发容量需求。这意味着 OpenRouter 最好的客户增长越快，越可能只留下最难替代但未必最赚钱的部分。

以 DeepSeek V4 Pro 为例，2026 年 7 月 13 日 OpenRouter 上有 16 家 provider 提供服务。输入价格相差 4 倍，吞吐相差超 14 倍，uptime 从 97% 到近 100% 不等。模型权重相同，实际体验却取决于运行者。

OpenRouter 默认避开故障节点并偏向低价选项，开发者也可自定义策略。对于长时运行的 Agent，这种能力尤为关键，可避免因中途断掉产生的重试成本和状态丢失。

社区反馈显示，一旦用户为稳定性固定了 provider，router 的价值便部分退化为统一计费和接口。因此，管理差异才是 router 创造价值的核心。

Provider routing 能看到价格和延迟，但往往看不到任务最终是否完成（如代码是否通过测试、邮件是否获得回复）。这些接近业务结果的反馈通常留在应用侧，构成了 model selection 的信息差。

研究显示，将执行结果反馈回循环的 router 能带来显著性能提升。OpenRouter 推出的 Auto Exacto 结合了吞吐和工具调用遥测，从单纯价格加权走向质量感知路由。但最完整的执行反馈仍在离结果最近的地方。

四层 routing 的利润池自然分流：

• 模型选择：靠近应用与 Agent runtime，掌握任务上下文和最终结果。
• Provider routing：靠近中立网络，OpenRouter 在此拥有规模数据优势。
• Execution control：在 gateway 与 harness 之间竞争，重试适合 gateway，长任务状态贴近 runtime。
• Enterprise governance：靠近已有控制面，如 AWS、Azure 的身份与审计体系。

Vercel 靠近应用代码，Cloudflare 靠近网络请求，AWS 靠近企业身份，Agent runtime 靠近任务结果。OpenRouter 靠近的则是最碎片化的模型与 provider 供给。

OpenRouter 的结构性防线是“中立”。单一推理商或云厂商难以让客户相信其会公平对待竞争对手。中立性使其更像模型市场的交换层，但也缩小了战略买家的范围。

随着客户规模化，常见的情况是将稳定高频流量直连 provider，仅用 OpenRouter 做新模型 discovery 和故障 fallback。这是 OpenRouter 商业模式的最大挑战：能否在客户长大后继续保留高价值生产流量，而不只是成为备用通道。

2026 年 6 月，OpenRouter 连续发布 Advisor、Subagent 与 Fusion，重新进入更高一层的编排领域。Advisor 允许 cheap model 咨询强模型，Subagent 允许任务委派，Fusion 则融合多模型结果。

这改变了调用单位：从选定一个模型完成任务，转变为在一次任务内部进行多次模型分工。OpenRouter 开始从帮用户买模型，走向帮用户组合不同等级的智能。

实验显示，融合后的预算模型得分可超越顶级 frontier model。但这更多是一个产品信号：长期价值不仅来自转发请求，还来自决定何时升级、降级及如何协作。OpenRouter 需在保持中立与提供深度编排之间找到平衡，或将 orchestration 做成可插拔能力，与应用侧的 verifier 协同工作。

OpenRouter 目前收取约 5.5% 的平台费。据估算，其 2026 年年化收入约为 5,000 万美元。对应 13 亿美元估值，年化收入倍数约为 13–26 倍。

收入公式为：平台收入 ≈ retained GMV × effective take rate + 企业/编排收入。Retained GMV 取决于大客户留存率，take rate 受竞争和折扣影响。

13 亿美元估值包含了两个尚未完全兑现的期权：

1. 成为 AI-native 应用默认的 intelligence procurement network，管理价格、质量、SLA 与结算。
2. 从 provider routing 上移到 feedback-aware orchestration，按质量提升和成本节省收费。

概率加权分析显示，若要求 25%-30% 的 IRR，更有安全边际的进入估值区间应在 9 亿–11 亿美元。当前估值已要求投资者为“智能采购网络”支付一部分溢价。

OpenRouter 证明了模型与 provider 越碎片化，中立入口越有价值。进入 Agent 时代，核心问题转向“每个任务该用哪个模型、走哪家 provider"。

OpenRouter 最可能先成为一张中立的模型采购网络，帮助企业比较价格、延迟并统一管理预算。这类价值更接近采购效率，长期可能对应较低的 take rate。

更高的估值需要证明客户愿意为更好的模型选择付费。虽然 Auto Exacto 已能改进 provider routing，但覆盖复杂工作流的通用反馈闭环建立难度极大。

未来三种形态决定其终局：

1. 大客户迁出主流量，OpenRouter 仅承载 discovery 和 fallback。
2. 成为规模庞大但费率下降的中立网络，以量换价。
3. 通过企业治理和编排服务形成独立收入，改善收入质量。

此外，战略收购虽具吸引力，但可能削弱其中立性，进而破坏网络价值。接下来最值得跟踪的是：百万美元客户直连后 OpenRouter 还能保留多少生产 GMV；effective take rate 下行时 retained GMV 能否更快增长；以及非交易收入能否形成规模。

Routing 将成为多模型时代的默认能力。OpenRouter 最终是一张低费率网络，还是高价值的决策层，取决于高价值客户是否长期留下生产流量并为其选择付费。

排版：陈宇聪