当开源模型逼近闭源，谁会成为 AI 世界的路由器？

BiRun 消息，作者：Haina 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。开放权重模型已经进入主流 API 调用。 K3 的走红也暴露了另一个问题。由于上线初期只有 Moonshot 一家 provider，OpenRouter 很快提示上游容量不足、请求可能频繁遇到 429。模型开放权重，不代表市场立刻拥有足够的 GPU 把它稳定运行起来。 过去两年，市场最关心新模型有没有超过 OpenAI 和 Anthropic。进入真实应用后，开发者需要回答的问题更多：信息抽取可以交给便宜模型，复杂判断调用 frontier model，中文材料可能更适合 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。模型选择由季度采购决策变成了任务级变量。 OpenRouter 先解决了其中最直接的一层。它让开发者用一把 key 接入 400 多个模型和 70 多家 provider：新模型发布后可以快速测试；同一模型拥有多家 provider 时，可以比较价格和速度，并在一家故障时切换。OpenRouter 无法凭空增加 GPU，却可以帮助流量找到仍有容量的供给。 这类入口已经引起战略买家的兴趣。The Information 近日报道，OpenRouter 正在讨论向大型科技公司出售，潜在交易估值达到数十亿美元；公司刚以约 13 亿美元估值完成 1.13 亿美元 B 轮融资。 需求已经得到证明。更值得思考的是，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 2023 年 3 月，刚刚离开 OpenSea 日常管理的 Alex Atallah 在电脑上跑起了 Stanford Alpaca。这不是当时最强的模型，但模型账单令他惊讶：斯坦福团队用 GPT-3 生成合成数据，再微调 Meta 的 Llama，整个过程只花了约 600 美元。 这张账单改变了他对 winner-take-all 的判断。模型生产门槛继续下降，未来可能不是三五个模型，而是成千上万个；开发者随之需要发现模型、比较能力，并为同一组权重选择推理供应商。 他先做了一个叫 Window AI 的开源 Chrome 扩展，让用户可以把自己选择的模型带进网页应用。几个月后，OpenRouter 上线。它把分散在不同实验室和云厂商里的模型，收进一个兼容 OpenAI 的 API：开发者换一个地址、改一行模型名，就能调用不同模型。 三年后，这个听起来像“模型聚合器”的产品成了一家独角兽。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。媒体援引知情信息称其 post-money 约为 13 亿美元。 增长已经被证明。更难的问题刚刚开始：当所有云厂商、开发框架和开源项目都能做 gat