AI模型越多,谁来管?

过去两年，AI行业最热闹的地方一直是模型：谁的参数更大、能力更强、价格更低。但另一场变化正在悄悄发生——当企业同时接入几十甚至上百个模型，真正让人头疼的，已经不是“选哪个模型”，而是怎么把这些模型管起来、用起来，还要控制成本。OpenRouter就是一个典型案例：从最初只有4个模型的统一接口，到如今连接500多个模型、80多家供应商，最终被Stripe收购。看起来，它卖的是模型调用，真正被市场重新定价的，却可能是模型背后的那层基础设施。为什么一个“中间层”，反而成了AI时代的大生意？

【读书笔记】

1.OpenRouter最初押注的两个判断都被市场验证：AI使用量会爆发，用户也会同时需要多个模型，OpenRouter2023年成立时仅支持GPT-3.5、GPT-4、Together的GPT NeoXT和Cohere xlarge4个模型；如今Token使用量较成立初期增长约30,000倍，年化Token使用量超过4.5quadrillion，支持超过500个模型

2.OpenRouter的核心价值，是降低多模型时代的接入和管理复杂度，不同模型在成本、延迟和性能上存在明显取舍；开发者如果分别使用不同模型，需要注册多个账号、创建并管理API Key、适配不同API Endpoint，再自行进行模型管理；OpenRouter将这些能力集中到统一接口中，成为AI Gateway（统一接入层）

3.OpenRouter的规模本身形成了技术和商业上的网络效应，用户规模越大，OpenRouter越容易预测模型需求、处理负载，并与模型实验室扩大合同规模；当平台拥有稳定Token需求后，新模型实验室也更有动力优先将模型放到OpenRouter分发。文章将这种规模优势视为其核心“护城河”

4.开发者是OpenRouter进入企业市场的重要起点，文章观察到，Anthropic、OpenAI、xAI、Cursor、Cognition、ElevenLabs、Lovable、Fireworks等公司都采取了类似路径：先获得开发者认可，再进入企业市场；OpenRouter同样依靠产品驱动增长，最终推出企业产品，用于配置AI、控制访问权限和管理AI预算

5.OpenRouter的产品形态经历了从多模型工具到AI基础设施的演变，2023年4月，团队最初推出Window Chrome扩展，让用户在不同聊天应用中同时使用多个模型；4月出现“OpenRouter”这一名称；随后加入Anthropic模型、自动路由和模型排行榜。2023年8月正式更名为OpenRouter；到11月已支持52个模型、2000+应用和约8BToken/周，文章认为此时已经实现PMF（产品市场匹配）

6.Router的真正竞争力，不只是根据Prompt自动选择模型，而是建立在真实使用数据之上的智能决策，文章认为，仅凭Prompt路由存在明显局限；例如“在代码库中找到这个文件”这一任务，究竟应该交给便宜模型还是前沿模型，取决于代码库规模和原始上下文；多步骤Agent中，一次错误路由还可能让后续成本和质量问题不断累积

本文编译自发布于 2026 年8 月19日的Menlo的专栏，原链接：https://menlovc.com/perspective/stripe-to-acquire-openrouter-why-everyone-is-obsessed-with-model-routing/    

以下是原文的全文翻译，enjoy!

注：正文中标蓝部分为读书笔记的对应原文

【正文】

OpenRouter：从统一模型接口到AI基础设施

今天，OpenRouter宣布已与Stripe达成协议，将被Stripe收购。距离OpenRouter于2023年成立，恰好过去了三年。

OpenRouter最初以“LLM的统一接口”面世，当时只有4个模型：GPT-3.5、GPT-4、Together的GPT NeoXT和Cohere xlarge。团队押注两件事：1）AI的使用规模会变得极其庞大，并渗透到各个领域；2）市场上会出现大量各具取舍的不同模型，用户会需要它们。最终，这两点都被充分验证了。成立以来，OpenRouter的Token使用量增长了约30,000倍，目前年化Token使用量已超过4.5quadrillion，同时平台上的消费金额也高得惊人。最初只有4个模型，如今OpenRouter已支持超过500个模型。

图1：OpenRouter token growth on a log scale from founding to acquisition

2025年3月，我们Menlo Ventures很幸运地通过Anthology Fund，与Anthropic合作，在种子轮投资了这支不可思议的团队。创始人兼CEO Alex Atallah此前是OpenSea的创始人，OpenSea一度估值达到133亿美元。他的联合创始人包括黑客天才Louis Vichy，两人在Discord上相识；以及执行力极强的COO Chris Clark。2025年5月，我们领投了他们的SeriesA，Matt加入董事会，Deedy担任董事会观察员。今年早些时候，在看到客户数量和收入爆发式增长，以及团队提供“模型智能”的路线图后，我们又在SeriesB轮继续加码。在科技行业，一项想法往往需要经过多年的信念积累，才会最终成为共识。几周前，这一时刻到来了：从Ramp到Cursor，超过10家公司开始推出自己的Router。在很短的时间里，OpenRouter已经成为AI时代最重要的公司之一。

图2：Happy memories when we shook hands to lead the Series A at Blue Bottle in San Francisco

乍看之下，Stripe似乎并不是OpenRouter一个显而易见的收购方，但两家公司之间的相似之处却非常惊人。两者本质上都是通过API即插即用，以抽成的方式简化复杂交易。区别只在于，OpenRouter专注于AI模型。两家公司走到一起，也与Stripe的使命一脉相承：共同提升互联网GDP。

图3：Presciently, OpenRouter described themselves as the Stripe for LLMs over a year ago.

为什么我们投资OpenRouter

OpenRouter是Deedy在2024年加入Menlo后接触的第一批公司之一。它的产品正好位于我们AI基础设施投资逻辑的核心位置。Menlo2024年的《Enterprise AI》报告提出了我们投资OpenRouter时的两项核心判断：AI支出将大幅增长，以及开发者会采用多个模型。

图4：The first outbound email from Menlo to OpenRouter

对于我们这些自己写代码、使用这些模型的人来说，很明显，不同模型之间在成本、延迟和性能上存在巨大的取舍。比如，当你只是要做一个简单的NLP任务，从文本中识别实体时，并不一定需要Fable的前沿智能。

但如果让用户自己去每一家模型公司的官网，分别注册账号、弄清楚如何创建API Key、确保Key安全，再适配每家模型略有不同的API Endpoint规范，最后还要自己完成模型管理，这个过程实在太繁琐了。一个中心化网关看起来很简单，但实际上却是一套极其复杂、很少有人愿意自己搭建和维护的基础设施。

在风险投资领域，我们经常谈论“护城河”，但这里说的是纯粹技术意义上的护城河。OpenRouter拥有一种典型的规模护城河：用户越多，就越有能力预测需求、处理负载，也更容易与模型实验室扩大合同规模，并为Token带来更可预测的需求。最终，新成立的模型实验室会希望第一时间把模型上架OpenRouter，以获得分发渠道。

自从vibecoding普及、软件创业公司的成立速度加快以来，我们一直观察到一个现象：想要进入企业市场，买家最终往往会选择那些已经赢得公司内部开发者认可的产品。Anthropic、OpenAI、xAI、Cursor、Cognition、ElevenLabs、Lovable、Fireworks都是如此——它们都是先赢得开发者，再进入企业市场。OpenRouter也是如此。

自投资以来：

- OpenRouter如今处理的Token数量已经达到上线时的30,000倍，连续三年保持33%的月环比增长，并且平均每11周翻一倍。

- 模型生态迅速扩张，来自中国的DeepSeek、GLM、Kimi等优秀开源模型，以及Grok、Meta、ThinkingMachines的模型纷纷出现。OpenRouter目前支持500多个模型、80多家供应商，拥有1,000万用户。

- 很多重量级新模型如今都会优先在OpenRouter上线，包括OpenAI、X和Meta的模型。很少发推文、更少谈论其他产品的MarkZuckerberg，也曾宣布MuseSpark在OpenRouter上线；ElonMusk同样如此。OpenAI还会通过OpenRouter提供独家折扣，例如Terra和Luna。

- 以产品为驱动的增长模式，也让他们的企业产品成为我们见过的销售周期最快的产品之一。该产品可以帮助企业在组织内部配置AI、控制访问权限并管理AI预算。

- 由于OpenRouter可以跨供应商谈判合同，它甚至能让前沿模型获得最高的可用性。

OpenRouter的起源与发展历程

任何有多年创业经验的人都会告诉你，找到产品市场匹配（PMF）的过程从来不会是一条直线。OpenRouter也是如此。事实上，OpenRouter的故事可以追溯到2023年4月5日。当时他们推出了Window，一个Chrome扩展，可以让用户同时调用多个模型，用于互联网上各种聊天应用。这个想法源于一个简单目标：避免被单一供应商锁定，同时又不必为了使用多个模型，把APIKey交给这些应用。这一想法受到了加密货币钱包工作方式的启发，这也体现了Alex此前在Open Sea的经验。当时Window支持4个模型。Window GitHub仓库中第一次出现“OpenRouter”字样的commit，时间是4月24日。一个月后，他们加入了第一批Anthropic v1模型，开启了根据Prompt自动选择合适模型的功能，并以OpenRouter的名义建立了如今广为人知的模型排行榜页面。

OpenRouter正式完成品牌重塑是在2023年8月10日，当时他们以“A unified interface for LLMs”为宣传语，Token使用量约为每周30亿。那时排行榜上的模型，与今天我们熟悉的模型已经完全不同。他们推出了Playground，一个统一的聊天界面，用户可以在同一个地方获得多个模型的回答。到11月，他们已经支持52个模型、服务超过2000个应用，Token使用量达到每周约80亿。这就是产品市场匹配！

关于Router的未来

与普遍认知不同，OpenRouter的核心产品并不是Token路由，而是成为最好的AI网关。他们确实提供AutoRouter，但大多数开发者使用OpenRouter，主要还是为了访问各种不同的模型，然后自己决定如何进行路由。最近，企业LLM支出的快速增长已经成为Uber、Coinbase和Microsoft等公司的一个日益严重的问题。把Router当作解决成本问题的万能药，很有吸引力：为什么Agent的每个子任务都要使用最昂贵的模型？如果只是简单任务，完全可以把它路由给更便宜的模型。过去几周，整个行业似乎同时意识到了这一点。超过10家不同的公司推出了自己的Router，从Ramp到Cursor，还有更多公司正在加入。

然而，仅仅根据Prompt进行路由，其实有些像是在做一件徒劳的事情。在Agent世界里，当你执行一项长期运行的任务时，需要大量上下文，才能判断一个Prompt应该交给哪个模型。比如“在代码库中找到这个文件”，既可能适合交给一个便宜、简单的LLM，也可能需要前沿模型，具体取决于代码库的规模以及最初的上下文。在多步骤Agent任务中，如果Router做出了错误选择，成本会在后续步骤中不断累积，同时导致最终结果的质量大幅下降。真正能够形成差异化的Router产品，其基础其实是一套优秀的统一API，以及已经拥有大量用户的网络。这些用户让OpenRouter在不知不觉间积累了一套极其庞大的数据集：哪些Prompt、对应哪些模型、这些任务背后的上下文是什么，以及最终得到了什么结果。当这些能力被应用于真实生产环境时，OpenRouter就可以通过路由降低成本，同时真正保持结果质量。用户不再需要自己折腾复杂的评测，也不需要持续修改Prompt。只要登录一个Dash board，就可能直接看到这样的提示：“在你代码库中主要用于摘要的这一部分，将模型从GPT5.6 Sol切换为MuseSpark，每年可以节省10万美元。我们已经自动替你完成了评测。”这才是Router的未来。

Stripe+OpenRouter

Stripe和OpenRouter有着相似的成长路径。两家公司都先赢得开发者，再向高端市场拓展。两家公司也都采用了简单、大胆的设计语言。Andrej Karpathy曾把OpenRouter称为AI的“transfer switch”，就像Stripe成为了支付处理领域的交换开关。

这笔收购也标志着AI时代最早一批大型基础设施公司走向规模化的成果之一。当然，不会是最后一个。如今，用于管理模型、成本和算力的基础设施组件已经逐渐成形，它们正在让具有长期潜力的公司以前所未有的速度成长。恭喜Alex、Chris、Louis以及整个团队，他们打造出了AI模型领域真正具有代表性的市场。Stripe的目标，是提升互联网GDP。从今天开始，这其中也包括了智能。

主页联系我们，获取更多报告

点击阅读原文，试用AI产品