支付巨头Stripe近日宣布，已同意收购AI模型路由平台OpenRouter。这笔交易将模型选择与路由能力，直接并入Stripe现有的AI用量与基于Token计费业务中。
对于开发者而言，OpenRouter解决的是一个非常实际的痛点：过去接入不同AI模型，往往需要分别对接各家服务商，集成成本高、切换麻烦。而OpenRouter通过一个统一API，就能访问来自80多家服务商的400多个模型，省去了大量重复的对接工作。
路由逻辑：不止选模型，还选服务商
OpenRouter的核心能力在于“路由”二字。平台会根据任务复杂度、价格、速度和可靠性等因素评估请求，再将每个请求导向最合适的模型。
更细一层的是，OpenRouter还能在提供同一模型的不同服务商之间做二次路由。开发者可以依据价格、吞吐量或延迟来设定优先级，同时设置最高价格或最低性能要求。平台利用滚动性能数据，实时测量各模型与服务商组合的延迟和吞吐，从而将请求导向满足成本或性能条件的端点，而非固定依赖某一家服务商。
这实际上把路由决策拆成了两层：哪个模型处理请求，以及哪个服务商的端点来服务它。
同一模型，价格差三倍
即便底层模型相同，服务商的选择也会显著影响推理成本。OpenRouter在2026年6月的一个示例中显示，Llama 3.3 70B的输入定价，通过DeepInfra为每百万Token 0.10美元，而通过Together则为1.04美元；输出定价在所列服务商之间，从每百万Token 0.32美元到1.04美元不等。
路由还能在端点不可用时提供故障转移。OpenRouter表示，当遇到服务商中断、速率限制、上下文长度错误或审核拒绝等问题时，系统可将请求转移到其他服务商或模型。
数据处理要求同样可以纳入服务商选择条件。OpenRouter允许用户将请求限制在“零数据保留”端点，并阻止路由到会收集数据或使用提示词训练的服务商；企业客户还可要求在美欧地区进行区域内处理。因此，路由标准可以综合涵盖模型能力、服务商可用性、处理位置、延迟、吞吐量和成本。
多模型已是常态，路由需求渐显
多模型环境在受访企业中已相当普遍。F5发布的2026年《应用策略现状报告》基于1100多名IT决策者的反馈发现，52%的组织正在串联或编排多个AI模型，受访者平均使用7个模型。
OpenRouter的投资方Menlo Ventures在其2025年年中调查中，则从另一个维度衡量了服务商行为：66%的构建者在升级模型时选择留在原有服务商，11%更换了服务商。
OpenRouter也是众多正在加入模型路由能力的基础设施提供商之一。Snowflake此前也宣布了动态模型路由的相关计划。随着多模型部署成为主流，如何高效调度这些模型，正在成为AI基础设施领域一个新的竞争焦点。
热门跟贴