“养龙虾”选模型指南：从OpenRouter榜单看AI Agent选型

引言

如果把AI Agent的核心技术比作一个“养殖场”：大模型是“大脑”，规划推理是“思维”，工具调用是“手脚”，智能体协作是“团队”，环境互动是“感知”——那么，让这些技术在真实任务中跑起来、让Agent真正“活”起来，在开发者社区里被形象地称为“养龙虾”。
笔者最近正计划本地部署模型（如GPT-OSS-120B）来“养龙虾”，自然好奇一个问题：在真金白银的投入下，大家究竟在用哪些大模型？选择它们的理由是什么？
本文基于OpenRouter平台OpenClaw的Token消耗榜单和Artificialanalysis网站的分析数据，从智能、成本、速度、Token效率、参数量五个维度，拆解“养殖户”们的真实选择。
备注：由于artificialanalysis上尚无Trinity这个模型的数据，暂且跳过。

龙虾是否聪明？——大模型为“大脑”

如何衡量一只“龙虾”的智商？

要评价一只“龙虾”聪不聪明，不能光凭感觉。Artificial Analysis机构设计了一套“龙虾智力测试”——人工智能分析智能指数。它整合了10项评估任务，涵盖推理、知识、数学、编程等核心能力，相当于一份综合成绩单（完整试卷及评分标准在文章末尾）。虽然这套测试不能代表一切（比如它不考图像识别、不支持多语言），但相较于其他单一维度的榜单，它确实是目前最公平的“智力标尺”。下面我们就来看看，这些热门“龙虾”的考试成绩如何。

跑分高会考试的“龙虾”，就一定更受欢迎吗？

先上各个模型的考试成绩：