模型路由 - AI商业快讯

OpenRouter 免费大模型全量拆解：447 个模型里 25 个免费，最贵的三笔账不在价格表上

2026-09-19 作者 AI_Admin

OpenRouter 上的「免费大模型」，价格是 0，但从来不是没有代价。今天官方模型接口返回 447 条记录，输入与输出价格同时为 0 的只有 25 条，占 5.6%。我把这 25 个逐条拉了下来——模型页、端点、延迟、吞吐、供应商数量、数据条款——结论是：免费池真正的成本，写在三张不在价格表上的账单里。（文中价格、额度与性能数据截至 2026-09-19，下单前请以官网为准）

免费额度怎么算：20 次/分钟、50 次/天，充值 10 美元换 1000 次/天

OpenRouter 做的是模型路由：一个 key、一份账单，覆盖 447 个模型、88 家供应商。2026 年 8 月它被 Stripe 以 70 亿美元收购，成为支付巨头押注的「模型路由入口」。

免费模型在这套体系里的位置，官方规则一共三档：

档位	每分钟	每天	条件
免费变体（累计充值少于 10 美元）	20 次	50 次	注册即可
免费变体（累计充值至少 10 美元）	20 次	1000 次	一次性充值 10 美元
付费变体	无平台级请求上限	不适用	按 token 计费

这 25 条免费记录里，22 个是带 :free 后缀的文本变体，2 个是 Google Lyria 音乐生成模型，1 个是随机路由。三个细节决定了这套规则的真实手感。第一，:free 不是一个开关，而是模型目录里单独的一行，有自己的定价、上下文长度和端点。第二，开小号没有意义——官方原文是「额外账号或 API key 不会改变限流，容量按全局治理」。第三，免费额度不花 OpenRouter 的钱，端点由供应商自己挂：NVIDIA 5 个、Google AI Studio 4 个、Novita 3 个，其余 9 家各 1 到 2 个，一共 24 个免费端点，外加一个随机路由的 openrouter/free。

换句话说，免费池是供应商拿算力换曝光、换数据、换榜位的地方。这直接决定了下面三张账单。

账单之一：8 个免费模型，由「可能拿你的数据训练」的供应商托管

OpenRouter 给 88 家供应商都标了数据条款。整张表里，承认可能用提示词训练模型的只有 4 家：DeepSeek、Liquid、Thinking Machines、NVIDIA。除 DeepSeek 之外的 3 家正是免费池主力，一共托管了 8 个免费模型，占免费池的三分之一。

另外 10 个免费端点属于「保留提示词但不训练」：Google AI Studio 保留 55 天、Nex AGI 保留 30 天、Cohere 保留 30 天，Poolside 与 AtlasCloud 没有给出天数。真正零保留的只有 6 个：Novita 的 3 个 Ling、ModelRun 托管的小参数 Qwen、OpenInference 托管的是 DeepSeek V4 Flash、以及 Decart 托管的 GLM-5.2。

这里有个容易被忽略的开关：账户设置里，付费模型与免费模型的「允许训练」是两套独立设置。你关掉它，那 8 个免费模型会直接从可用列表里消失——免费档的「免费」，一部分就是用数据条款换来的。

账单之二：免费版只有一个供应商，付费版最多 26 个

这是全量拉取后最扎眼的一组数字。24 个免费端点，每一个都只有单一供应商；同一个模型的付费版本却动辄十几二十个源：DeepSeek V4 Flash 有 26 个、GLM-5.2 有 23 个、Qwen3.8 27B 有 16 个、Gemma 4 31B 有 12 个。付费端点的多源意味着挂了会自动切到别家，免费端点没有 fallback，供应商一抖就整个不可用。

还有 7 个免费模型在 OpenRouter 上根本没有付费版本：Nex-N2.5 的大小两档、Ling 3.0 Flash Sante、Dots3-Note Preview、LFM 2.5、Cohere North Mini Code、Nemotron 3 Nano。对它们来说，免费是唯一入口。

规格也不是同一份。免费的 GLM-5.2 上下文只有 32768，付费版是 1048576，相差 32 倍；免费的 Qwen3.8 27B 是 262144，付费 1000000；反过来 Nemotron 3 Ultra 的免费端点上下文 100 万，比付费版的 262144 还大。免费端点不是付费端点的打折通道，而是另一套参数完全不同的部署。

可用率同样不均匀。24 个端点里有 3 个状态异常；过去三天，Nemotron 3 Nano 的日可用率是 80.1%、83.8%、83.8%，Inkling 最低 88.2%，DeepSeek V4 Flash 最低 94.0%。72 个「模型乘日期」的样本里，19 个低于 99%。

账单之三：免费最强只有旗舰的 64.6%，而且用量榜第一并不是分数第一

模型接口自带 Artificial Analysis 的智能指数，全部 447 个模型里有 145 个给出了分数。把这 25 个免费模型放进去排序是这样的：

免费模型	上下文	智能指数	p50 往返延迟	吞吐	免费端点数据条款
DeepSeek V4 Flash 0731	1.05M	34.5	2064 ms	25 tok/s	零保留
GLM-5.2	32768	34.0	1164 ms	37 tok/s	零保留
Qwen3.8 27B	262K	33.9	626 ms	28 tok/s	零保留
Inkling	1.05M	25.5	1840 ms	35 tok/s	可能训练
Ling 3.0 Flash VL	262K	25.0	2361 ms	60 tok/s	零保留
Nemotron 3 Ultra	1M	23.4	3143 ms	19 tok/s	可能训练
Ling 3.0 Flash Fin	262K	23.0	1342 ms	136 tok/s	零保留
Gemma 4 31B	262K	15.4	1291 ms	22 tok/s	保留 55 天
Nemotron 3.5 Lightning	1M	13.6	5134 ms	16 tok/s	可能训练
Cohere North Mini Code	256K	9.9	601 ms	80 tok/s	保留 30 天

三个结论。免费最强 34.5 分，在 145 个有分模型里排第 40，只有付费旗舰 53.4 分的 64.6%——免费档够做事，但够不到第一梯队。用量榜第一不等于能力榜第一：官方按近 7 天真实 token 用量排的免费榜，第一是 Nemotron 3 Ultra（4.32T tokens），智能指数只有 23.4；分数第一的 DeepSeek V4 Flash 用量排第 4；分数第二的 GLM-5.2 连前 16 都没进。延迟与吞吐也和分数无关，最快的 LFM 2.5（2.6B 参数）吞吐 185 tok/s，最慢的 Lyria 只有 4 tok/s。

延迟高有一半要怪拥挤：官方 30 分钟统计窗口里，免费池一共处理了约 50.1 万次请求，其中 Nemotron 3 Ultra 一家 10.96 万次、DeepSeek V4 Flash 9.83 万次。这些请求共享 20 次/分钟的平台限流。

该不该用：三种用法可以，三种用法别碰

先说额度值多少钱。额度按请求数计，不按 token 计。以一次请求 800 输入加 300 输出 token 估算，同样是每天 1000 次，按各自最便宜的付费端点价折算：

免费模型	付费价（每百万 token 输入/输出）	1000 次折算	一个月折算
Inkling	0.95 / 4.05 美元	1.98 美元	59.2 美元
Nemotron 3 Ultra	0.50 / 2.20 美元	1.06 美元	31.8 美元
GLM-5.2	0.554 / 1.742 美元	0.97 美元	29.0 美元
Qwen3.8 27B	0.10 / 1.80 美元	0.62 美元	18.6 美元
Gemma 4 31B	0.09 / 0.34 美元	0.17 美元	5.2 美元
DeepSeek V4 Flash 0731	0.04 / 0.08 美元	0.06 美元	1.7 美元

同样是一次性充 10 美元解锁每天 1000 次，选错模型，一个月的额度只值 1.7 美元；选对模型值 59.2 美元，差 34 倍。这个换算的口径是请求数不是 token 数，长上下文任务的实际价值会更高。

还要留意免费池的周转速度：这 25 个免费模型里，14 个是最近 90 天上线的，23 个在半年内上线，最早的一个也只到 2026 年 2 月。名单变得很快，今天能用不代表下个月还在——官方 FAQ 的原话是「这些模型限额低，通常不适合生产使用」。

横向看，Google AI Studio 的免费层是按项目、按模型分别限额，官方文档已经把逐模型的免费额度移出文档页；Groq 的免费层是另一套独立限流。OpenRouter 免费档的独特点在于覆盖面：一个 key 能试到 NVIDIA、Google、Cohere、DeepSeek、Qwen、GLM 全家共 24 个模型，代价就是上面那三张账单。

三种用法可以：一是原型验证与选型，一个 key 横评多个实验室的模型；二是非实时批处理，每天 50 到 1000 次足够跑小批量实验，慢一点不影响结果；三是学习与风格对比，openrouter/free 随机路由反而适合感受不同模型的差异。

三种用法别碰：一是生产环境，单源、20 次/分钟、可用率最低到 80%；二是隐私敏感内容，三分之一的免费端点来自可能保留训练权的供应商；三是需要一致性的 agent 长链，额度按请求数计，一次 agent 任务动辄几十次请求，而随机路由每次换模型，行为无法复现。

判断很明确：OpenRouter 免费档值得开，但要把定位从「省钱的生产方案」改成「低成本试模型加非敏感批处理」。它是目前最便宜的横评 24 个模型的方式；把它当生产环境用，或者把敏感代码贴进 NVIDIA、Thinking Machines、Liquid 托管的模型里，那就是在拿另一样东西付费。

75亿美元吞下OpenRouter：Stripe押注AI时代的「智能货币」，模型路由成新基础设施

2026-08-242026-08-24 作者 AI_Admin

引子

8月19日，支付巨头Stripe宣布以75亿美元收购AI模型网关平台OpenRouter。这笔交易距离OpenRouter完成13亿美元估值的B轮融资仅过去82天——估值翻了近6倍。从一个只有4个模型的Chrome插件，到支撑450万亿+token年处理量的AI基础设施，OpenRouter的三年创业史，折射出整个AI产业从「模型为王」到「路由为王」的范式转移。

核心进展：75亿美元，AI基础设施最大收购案之一

Stripe在官方公告中表示，收购OpenRouter将帮助企业优化token路由和使用效率。OpenRouter目前支持来自80多家提供商的500多个模型，服务于1000万用户，年处理token量达450万亿以上——相比成立初期增长了3万倍。

交易结构方面，据《纽约时报》报道，75亿美元中约15亿美元支付给OpenRouter创始团队，60亿美元归投资者。OpenRouter创始人兼CEO Alex Atallah（此前创立了估值133亿美元的OpenSea）表示：”我们相信智能将是多模型的：没有任何单一模型对每个任务都是最优的，开发者需要一个中立层来编排和管理所有模型。加入Stripe让我们能够加速这一使命。”

Stripe CEO Patrick Collison则称：”Token是构建AI公司的核心货币，现实世界的经济潜力将取决于如何善用稀缺的计算资源。Stripe正在构建AI的经济基础设施，与OpenRouter一起，我们将帮助企业通过智能路由请求和高效使用token来最大化盈利能力。”

值得注意的是，OpenRouter的客户名单已经相当亮眼：NVIDIA、Zoom、Lovable等企业都在使用其服务。OpenAI甚至通过OpenRouter提供独家折扣（如Terra和Luna模型），而Meta的Muse Spark和xAI的Grok等新模型也常常首先在OpenRouter上发布。Andrej Karpathy将OpenRouter比作AI的”转换开关”——就像Stripe成为支付处理的转换开关一样。

技术与商业解读：从”LLM的Stripe”到真正的Stripe

OpenRouter的崛起故事本身就是一个关于基础设施复利的经典案例。2023年4月，它以Window（windowai.to）的名字起步，只是一个让用户在不同聊天应用中使用多个模型的Chrome插件，灵感来自加密钱包的工作方式。2023年8月正式品牌化后，它打出了”LLM的统一接口”的口号。

从商业逻辑看，这笔收购有着深刻的对称性。Stripe花了十多年时间构建了处理复杂金融交易的中立基础设施——优化支付方式、授权率、欺诈检测等变量。而OpenRouter做的是同样的事情，只不过对象换成了AI模型。两者都是”即插即用的API，通过抽成简化复杂交易”。

Menlo Ventures（OpenRouter的主要投资方）在分析中指出了一个关键洞察：OpenRouter的核心产品其实不是路由token，而是成为最佳的AI网关。随着企业级LLM支出成本飙升（Uber、Coinbase、Microsoft等公司都面临这一问题），路由器作为成本解决方案的吸引力巨大。但Menlo也警告，仅基于prompt的路由其实是”愚人金”——在Agent世界中，一个长期运行的任务需要大量上下文才能确保请求被送到正确的模型。”在代码库中查找这个文件”这个任务，可能需要廉价的简单LLM，也可能需要前沿模型，取决于代码库的规模和原始上下文。

OpenRouter的护城河正是在这里：数百万用户产生的海量prompt、模型选择、上下文和最终结果数据集，让它能够在真实生产环境中做到”在路由的同时真正保持质量”。Menlo预测，未来的路由器产品会直接告诉用户：”你可以通过在这个代码库的摘要部分将GPT 5.6 Sol切换为Muse Spark，每年节省10万美元——我们已经自动完成了评估。”

影响：模型路由成为AI时代的支付基础设施

这笔交易的行业影响远超一笔收购本身。

首先，它标志着AI基础设施领域首个大规模退出案例。从模型管理、成本优化到计算调度，管理AI的基础设施模块已经成型，正在催生新一代公司。就在交易宣布前几周，Ramp、Cursor等10多家公司几乎同时推出了自己的路由器产品——整个行业似乎在同一时间觉醒。

其次，它重新定义了”AI经济基础设施”的边界。Stripe原本只处理支付侧的利润优化，现在它要同时处理成本侧。对于构建AI应用的企业来说，这意味着未来可能只需要一个API就能完成从收入最大化到成本最小化的全链路优化。用Menlo的话说：”Stripe过去要增加互联网的GDP。从今天起，这包括了智能。”

第三，这笔交易验证了”多模型未来”的判断。OpenRouter从4个模型起步，到支持500多个模型，本身就证明了没有单一模型能通吃所有场景。当Alex Atallah在一年前自称”LLM的Stripe”时，这听起来像是一厢情愿——现在它变成了字面意义上的事实。

对于开发者和企业而言，最直接的启示是：模型选择和路由正在从”技术决策”升级为”财务决策”。当token成为核心货币，路由效率就是利润率。这不再是工程师的优化课题，而是CFO的关注焦点。

小结

75亿美元，82天，50倍估值——OpenRouter的故事是AI基础设施热潮的缩影。但更值得关注的是这笔交易背后的逻辑：当AI从实验走向生产，管理模型的复杂性本身就成了一门大生意。Stripe和OpenRouter的结合，本质上是在说：AI时代的基础设施，和互联网时代一样，最终会收敛到几个关键的中立层。模型路由，可能就是其中之一。

对于正在构建AI应用的团队，现在是时候认真审视你的模型调用成本结构了。当Stripe这样的巨头入场，意味着这个赛道的游戏规则即将改变——要么你主动优化，要么你的基础设施提供商替你优化。

Stripe 以 70 亿美元收购 OpenRouter：支付巨头押注 AI 模型路由入口，开发者防锁定成刚需

2026-08-17 作者 AI_Admin

据 TechCrunch 报道，支付基础设施巨头 Stripe 已敲定收购 AI 模型网关初创公司 OpenRouter，交易估值超过 70 亿美元。消息最早由彭博社披露，随后获 TechCrunch 确认。OpenRouter 成立于 2022 年，主打“AI 模型路由”赛道——为开发者提供统一 API 接入 400 多个大模型（含 GPT、Claude、Llama 等），自动根据任务类型、成本、延迟选最优模型，号称“AI 界的 Stripe”。

OpenRouter 今年 5 月刚完成 1.13 亿美元 B 轮融资，估值 13 亿美元，投资方包括 Sequoia、a16z、Menlo Ventures 与 Alphabet 旗下 CapitalG。不到 3 个月，Stripe 以 5 倍溢价（13 亿 → 70 亿+）收购，显示大厂对“模型中立层”战略价值的极度渴求。OpenRouter CEO Alex Atallah 曾公开表示：我们要做模型层的“防锁定基础设施”，让开发者永远拥有切换模型的自由。

为什么值得关注

这笔交易不是普通的“买团队、买技术”，而是**支付基建巨头首次正面进军 AI 基础设施控制层**——Stripe 看中的不是 OpenRouter 当下的营收，而是“成为所有 AI 请求的收费闸口”的战略位置：

模型路由即将成为刚需：随着开源模型追平闭源、多模型并行成常态，企业不再满足于单一供应商，“按需路由、避免锁定”将从 Nice-to-have 变为 Must-have。OpenRouter 已跑通“400+ 模型、800 万用户、统一计费”的闭环，稀缺性极高。
Stripe 复刻“支付聚合”剧本：当年 Stripe 聚合 Visa/MC/支付宝/微信支付，让商家一行代码接全网支付；如今它要聚合 OpenAI/Anthropic/Google/Meta 等所有模型商，让开发者一行代码调全网模型。**商业模式同构：抽取交易费、做流量入口、建护城河**。
定价权上移：模型层价格战白热化（GPT-4o 降价 50%、DeepSeek 打穿地板价），利润向上游（算力、路由、评测）转移。控制路由入口 = 控制定价话语权 = 掌握 AI 基建的“收费站”。

分角色实操建议

对 AI 应用创业者 / 研发负责人

立刻评估“多模型路由”方案：别等锁定单一模型后再迁移。OpenRouter、LiteLLM、Portkey 等中立网关已可生产级落地，接入成本极低（换几行代码）。
把“模型无关性”写入技术选型红线：新项目必须支持 ≥2 家主流模型热切换，避免未来被单一供应商涨价/停服绑架。
关注 Stripe 后续动作：若 Stripe 将 OpenRouter 能力集成进 Stripe Billing/Invoicing，意味着“模型调用费”可直接走 Stripe 账单，财务对账、税务合规、跨境结算一次搞定——这对出海团队是巨大红利。

对投资人 / 产品负责人

重新估值“AI 中立层”赛道：模型路由、评测基准、提示工程平台、观测性工具，估值锚点已从“SaaS 倍数”跳到“基建倍数”（参考 Stripe 5×溢价）。
警惕“大厂垂直整合”风险：微软 Azure + OpenAI、Google Cloud + Gemini、AWS + Anthropic/Bedrock 都在构建封闭栈。中立层若无分发规模（如 OpenRouter 的 800 万用户），极易被原生集成挤压。
关注“模型计费标准化”：谁定义“1 次调用 = 多少 token = 多少美元”，谁就掌握结算话语权。OpenRouter 已推出统一计费协议，或成行业事实标准。

对普通开发者 / 从业者

现在就注册 OpenRouter 账号：免费额度可试 400+ 模型，体验“同一 Prompt 跑 GPT-4o / Claude 3.5 / Llama 3.1 对比”的效率提升。
学会写“模型无关 Prompt”：避免硬编码模型特有语法（如 `system` vs `developer` role），用通用指令集提升迁移弹性。
把“防锁定”列入简历关键词：懂路由网关、懂多模型评测、懂成本优化，正成为 AI 应用层工程师的核心竞争力。

结语

Stripe 以 70 亿美元拿下 OpenRouter，标志着 **AI 基础设施战争正式从“比模型智商”转向“比路由入口、比结算话语权”**。谁掌握了“开发者调用任何模型的唯一通道”，谁就拿到了 AI 时代的“Visa/Mastercard 牌照”。

关注 AI商业快讯，每天一篇 AI 热点深度解读。