OpenRouter：13亿美元估值背后，能否在多模型时代守住价值？
OpenRouter：模型聚合独角兽的崛起与挑战
7月18日，Kimi K3发布两天后就进入OpenRouter日榜前十，当日调用量约为1,420亿token。GLM - 5.2、Nemotron和DeepSeek的使用量也超过了部分Claude Opus模型，开放权重模型进入主流API调用。然而，K3走红也暴露问题，上线初期仅Moonshot一家provider，OpenRouter很快提示上游容量不足、请求可能频繁遇到429，这表明模型开放权重不代表市场有足够GPU稳定运行它。
过去两年，市场关注新模型是否超OpenAI和Anthropic，进入真实应用后，开发者面临更多问题：信息抽取可交便宜模型，复杂判断调用frontier model，中文材料适合GLM、Kimi或Qwen。选定模型后，还要比较不同provider的价格、速度、缓存和稳定性，模型选择从季度采购决策变为任务级变量。
OpenRouter解决了其中直接的一层，让开发者用一把key接入400多个模型和70多家provider，新模型发布可快速测试，同一模型有多家provider时可比较价格和速度，一家故障时可切换。它虽无法增加GPU，却能帮流量找到有容量的供给。这类入口引起战略买家兴趣，The Information报道，OpenRouter正讨论向大型科技公司出售，潜在交易估值达数十亿美元，公司刚以约13亿美元估值完成1.13亿美元B轮融资。
需求已被证明，但值得思考的是，Vercel、Cloudflare、云厂商和开源gateway都能统一模型接口，OpenRouter能守住哪一层价值？未来谁会掌握每次模型调用的分配权？Model Routing的价值会沉淀在哪一层？OpenRouter能否从默认入口走向更高价值的orchestration，同时保住中立性？
600美元的起点：OpenRouter的诞生
2023年3月，离开OpenSea日常管理的Alex Atallah运行Stanford Alpaca，其模型账单令他惊讶，斯坦福团队用GPT - 3生成合成数据，再微调Meta的Llama，整个过程只花约600美元。这改变了他对winner - take - all的判断，他认为模型生产门槛下降，未来可能有成千上万个模型，开发者需发现模型、比较能力，并为同一组权重选择推理供应商。
他先做了开源Chrome扩展Window AI，让用户把选择的模型带进网页应用。几个月后，OpenRouter上线，它把分散的模型收进兼容OpenAI的API，开发者换地址、改模型名就能调用不同模型。三年后，这个“模型聚合器”成了独角兽。2026年5月，OpenRouter宣布完成1.13亿美元B轮融资，由Alphabet旗下成长基金CapitalG领投，NVentures、ServiceNow Ventures、Snowflake Ventures、Databricks Ventures等参与，媒体称其post - money约为13亿美元。
增长已被证明，但更难的问题来了：当所有云厂商、开发框架和开源项目都能做gateway，OpenRouter能守住哪一层价值？
Router是什么：每天两次的选择
想象一个帮企业做客户尽调的AI Agent，读取材料提取信息可交给便宜快速的模型，判断交易风险等则适合调用更强的frontier model，这是第一次选择：任务交给哪个模型？
假设Agent决定用DeepSeek，又面临新问题：谁来运行这组模型权重？模型原厂、Baseten、Together、DigitalOcean或其他推理服务商都可能提供同一模型，但价格、速度等不同，这是第二次选择：同一个模型交给哪家provider？
日常把这两次选择叫model routing，但它们依赖的信号、竞争对手和商业价值不同。往生产环境走，还会多出请求失败重试、保持prompt cache等问题。因此，model routing是四个市场共享一个API：Model selection根据任务选模型，目标是质量与成本最优组合；Provider routing在同一模型不同供应商间选择，目标是价格、速度和uptime；Execution control管理重试等，目标是让Agent完成工作；Enterprise governance管理身份等，目标是让模型进入生产核心。
OpenRouter当前优势是模型采购入口与provider routing，它聚合碎片化供给，提供实时价格等和统一结算。公司正往自动model selection与orchestration延伸，execution control和enterprise governance则有更靠近应用、云和数据平台的竞争者。
开源模型的双刃剑
OpenRouter与a16z分析截至2025年11月约100万亿token平台流量，到观察期末，open - weight模型约占三分之一，中国开源模型周度份额从1.2%升至近30%，且无单一开源模型长期占超20% - 25%的open - weight token。
2026年变化更快，OpenRouter对1 - 6月约450万亿token分析显示，DeepSeek份额从约9%升至18%，6月初中国模型token份额超美国模型，且DeepSeek V4新增流量主要来自Agent工作负载。开放模型进入coding和Agent生产环境。
这是持续轮换的候选池，GLM、Kimi等交替领先，发现、评测等需求随供给碎片化变厚。但Token量不等于同等质量收入，约52%的开源token来自roleplay，programming占15% - 20%，中国开源模型的programming加technology占比约39%，这些负载调用频次高、替代选择多，更在意单位成本。开源越便宜，token可能越多，GMV与平台费却未必同速增长。
同一组开源权重能由十几家推理商部署，速度等差异更重要，也更贴近OpenRouter最强的provider routing。结论是双刃剑：开源越成功，routing越必要；开源越便宜，router每个token能留下的钱可能越少。
采购网络：OpenRouter的价值
单模型应用里，开发者接入OpenAI或Anthropic不难，但模型和供应商增多后，团队要分别开户等，维护不同API格式等，模型更新要重新评测，provider宕机要写retry和fallback，财务面对不同账单。OpenRouter把这些工作压成一把key、一份账单和一个模型字符串，Alex Atallah认为它想成为采购intelligence的地方。
这也是它早期从AI - native客户发展起来的原因，这类团队更早遇到多模型问题，如角色扮演产品要切换审核政策，coding agent要调用不同模型，新模型发布后希望快速测试。2025 - 2026年客户与行业访谈显示，OpenRouter在AI - native团队里典型年spend从10万美元到低七位数，约5%的take rate早期通常可接受，因为少招一名基础设施工程师足以覆盖成本。受监管的大型企业直接使用金额往往只有几万到50万美元以内，且更多承载非核心流量，核心生产负载倾向留在既有体系中。可见OpenRouter切入顺序：先赢得开发者，再补齐企业控制能力。
采购智能还有供给侧价值，OpenRouter替应用找模型，也替模型实验室找真实用户。OpenAI曾通过OpenRouter以匿名模型做stealth test，后来确认是GPT - 4.1早期版本。对模型公司，获得真实workload等信号；对OpenRouter，强化开发者“先来这里看”的习惯。这类需求侧数据难由单一云或推理商复制，构成OpenRouter比统一接口更深的资产：中立分发 + 跨模型真实使用数据 + 多provider结算。
截至2026年，OpenRouter已加入Workspaces等合规更新，修正早期短板，但仍不提供on - premise deployment，无HIPAA BAA，对医疗等核心负载和特定系统，这仍是要解决的问题。
谁在付钱：不对称金字塔客群
客群呈不对称金字塔，AI - native公司是当前GMV引擎，enterprise更像上行期权，spend不等于依赖度。Lovable有六位数支出却只做backup，NatWest交出约三分之一流量，FenxLabs把高价值selection logic留在自己手里。
Clado、Nomi与Writer给出约100万美元毕业线，当平台费足以覆盖工程师，直连等经济账成立。客户仍会为discovery等付费，但可能迁走稳定、昂贵流量。OpenRouter最好的客户增长越快，越可能只留下难替代、未必最赚钱的部分。
Provider Routing：同一模型的多样体验
以DeepSeek为例，2026年7月13日，DeepSeek V4 Pro在OpenRouter上由16家provider提供，输入价格相差约4倍，吞吐相差超14倍，uptime从约97%到接近100%，最便宜的provider有最高uptime，最慢的比最低价贵三倍以上。
可见模型权重相同，实际体验取决于运行者。OpenRouter默认避开故障provider，偏向便宜选项，开发者也可排序、设置价格等。请求失败时，系统可切换provider，零输出失败请求不收费。
对长时间运行的Agent，这层能力比Chatbot更重要，对话失败用户可再问，Agent中途断掉会产生额外成本。公开社区信号也体现Provider routing重要性，用户讨论问题揭示：router创造的价值来自管理差异，用户固定provider后，router价值部分退化为统一计费和接口。
Execution Control：价值归属之问
Provider routing能看到部分信息，但看不到任务最终是否完成，如代码是否通过测试等，这些反馈留在应用等里，构成model selection信息差。
2026年6月论文Agent - as - Router提供启发实验，在coding task和LLM上测试动态路由，给普通router加入历史性能信息带来15.3%相对提升，把执行结果放回循环，router可持续学习。在coding benchmark中，增加历史表现和执行反馈可能比换routing算法提升更大，此结论外推到其他工作流需更多生产数据验证。
OpenRouter也做了努力，2025年起检查tool call，2026年3月上线Auto Exacto重估provider，从价格加权走向quality - aware routing，但schema正确不代表任务做对，最完整执行反馈在离结果最近处。
这会让四层routing利润池分流：模型选择价值靠近应用与Agent runtime；provider routing价值靠近中立网络；execution control在gateway与harness之间竞争；enterprise governance靠近已有控制面。因此，OpenRouter面对核心竞争是离客户入口或结果更近的平台。
竞争地图：谁离控制点更近？
OpenRouter需开发者增加外部中间层，应用先把请求发给它，再由它选模型和provider。Vercel、Cloudflare和LiteLLM优势来自不同位置，不同竞争者靠近不同控制点：Vercel靠近应用代码，Cloudflare靠近网络请求和安全策略，AWS与Databricks靠近企业身份和数据，Agent runtime靠近最终任务结果，OpenRouter靠近最碎片化的模型与provider供给。
这就是“毕业问题”，客户规模化后，可能把稳定、高频流量迁往直连或自建，只保留discovery、fallback和burst capacity。OpenRouter结构性防线是保住中立，单一推理商和云难以做到中立，中立性让它像模型市场交换层，也缩小潜在战略买家范围，被收购可能破坏网络价值。
流量小时，平台费买便利；推理支出接近百万美元，平台费等成可见成本，AI - native团队会重新评估流量分配，常见做法是把稳定流量直连provider，用OpenRouter做新模型discovery等。OpenRouter最好的客户增长越快，越可能把主流量移出平台，只留碎片化、波动流量，这是其商业模式挑战：能否在客户规模化后保留高价值生产流量，而非只成备用通道。
OpenRouter正在向上走
Atallah曾解释，OpenRouter起初未替生产客户做跨模型自动选择，开发者希望保留控制权，不同模型行为难预测，公司先做深provider routing。
2026年6月发布的Advisor、Subagent与Fusion，表明公司进入更高一层。Advisor允许便宜模型咨询更强模型，Subagent允许frontier model委派任务给便宜worker，Fusion让多个模型并行回答再融合结果。它们改变调用单位，过去用户选一个模型完成任务，现在一次任务可内部多次模型分工，OpenRouter从帮用户买模型走向帮用户组合不同等级智能。
Fusion公司实验显示，预算模型融合后在复杂研究任务上得分超GPT - 5.5和Claude Opus 4.8，但这结果来自单一benchmark，不能理解为预算模型超越frontier model，更像产品信号：OpenRouter意识到长期价值来自模型协作等。
但这条路有trade off，OpenRouter网络优势是中立，向上做太重可能与客户等竞争，太轻可能只剩受费率挤压的access layer。更现实路径是把orchestration做成可插拔能力，OpenRouter提供供给广度等，应用掌握verifier和业务结果，在可验证场景中，OpenRouter可读取客户eval优化routing。
13亿美元估值，市场在买什么
OpenRouter的Pay - as - you - go方案充值时收5.5%平台费，provider模型价格按目录价透传，企业方案可获折扣。BYOK在不同套餐月度额度内免平台费，超额度后收5%。
公司未披露audited revenue，Sacra估计2026年3月annualized revenue约为5,000万美元，高于2025年底约1,900万美元，投资方暗示融资前后收入可能上升，但未经确认。以5,000万美元为锚，1亿美元为上行测试，对应13亿美元估值，年化收入倍数约为13 - 26倍。
OpenRouter收入等式：平台收入≈retained GMV×effective take rate + enterprise／orchestration收入。Retained GMV取决于高价值客户规模后留下的生产流量；effective take rate受企业折扣等影响；enterprise与orchestration收入决定OpenRouter能否摆脱单纯按token抽成。
若收入主要来自平台费，费率变化对收入影响近乎线性，按Sacra估算，5,000万 - 1亿美元年化收入对应约9亿 - 18亿美元retained GMV，大客户折扣和BYOK推高隐含GMV，非交易收入降低倒推结果。
13亿美元估值为两个未兑现期权支付溢价：一是从统一入口升级为AI - native应用默认的intelligence procurement network，客户直连部分流量仍用它做新模型discovery等；二是从provider routing上移到feedback - aware orchestration，若获应用反馈，可能按质量和成本收费，而非只按token抽成。
以2031年为观察点，三种公司形态对应三种估值结果，概率加权的2031年估值约为34亿美元，是当前进入价的约2.6倍，对应五年约21%的毛IRR，但回报结构不均衡，超额收益主要来自20%多头情景，去掉多头，基准与空头加权价值约为14亿美元，基本贴近当前估值。若以25%毛IRR为最低目标，概率加权可接受进入估值约为11亿美元；若要求30%，进入价约为9亿美元。考虑市场流动性等，9亿 - 11亿美元是更有安全边际的区间，13亿美元要求投资者为“智能采购网络”支付未验证期权价值。
结语：Routing会成为标配，OpenRouter能留下多少利润？
Alex Atallah从Alpaca的600美元账单预见模型供给爆炸，OpenRouter过去三年证明，模型与provider越碎片化，中立入口越有价值。进入Agent时代，问题从“如何调用所有模型”转向“每个任务用哪个模型、走哪家provider，何时切换”。
OpenRouter最可能先成中立模型采购网络，企业可通过它比较价格等，统一管理预算等，模型供给广度与实时状态是主要价值。这套能力不依赖完整任务结果数据，即使不知工单是否解决，仍能帮客户选provider、控制预算和切换服务。但这类价值接近采购效率与可靠性，长期可能对应低take rate。
更高估值需客户把模型选择交给OpenRouter并付费，Auto Exacto可改进provider routing，task routing结果数据在应用侧，在可验证场景中，OpenRouter可接入客户eval，但覆盖通用工作流的反馈闭环建立困难。
这对应三种公司形态：大客户迁出主流量，OpenRouter承载discovery等；成为大规模、低费率中立采购网络，GMV增长抵消take rate压力；客户为企业治理等付费，非交易收入改善收入质量。
OpenRouter有战略收购价值，但收购会削弱中立性，其他provider和客户会担心受歧视和数据流向问题，减少合作或迁走流量。在13亿美元估值上，值得跟踪三件事：百万美元客户直连流量后，OpenRouter保留的生产GMV；effective take rate下行时，retained GMV能否更快增长；企业订阅等能否形成独立收入，而非只增加token消耗。Routing会成为多模型时代默认能力，Token GMV证明OpenRouter可聚合流量，高价值客户是否长期留下生产流量并付费，决定它是低费率网络还是更有价值的决策层。