OpenRouter 推出 Activity 仪表盘与 Analytics API,按 Agent、模型和请求分析 AI 用量
OpenRouter 发布 Activity 仪表盘和 Analytics API,可按 Agent、模型、用户和请求维度查看支出、token 用量、缓存命中率和延迟等指标。
推荐理由:原文给出仪表盘各项功能、Analytics API 端点和内部降本案例,读者可以据此评估如何排查自家 Agent 用量成本。
openrouter.ai · 网站与博客
OpenRouter 发布 Activity 仪表盘和 Analytics API,可按 Agent、模型、用户和请求维度查看支出、token 用量、缓存命中率和延迟等指标。
推荐理由:原文给出仪表盘各项功能、Analytics API 端点和内部降本案例,读者可以据此评估如何排查自家 Agent 用量成本。
OpenRouter 发布 Image Generation API 代码教程,通过 POST /api/v1/images 用统一请求格式和一个 key 调用多家支持的图像模型。
OpenRouter 发布视觉输入教程,讲解通过 Chat Completions API 向支持视觉的模型发送图片,请求体只需在 content 数组中加入 text 和 image_url 两部分,切换模型仅改 model 字段。
OpenRouter 发布实时网络搜索基准榜单,覆盖 BrowseComp、DeepSearchQA、WideSearch 和 HLE 四套评测,比较模型、引擎(Exa、Parallel、Perplexity 及 OpenAI、Anthropic、Google 原生搜索)、搜索方法与预算的组合。
推荐理由:原文用四套实时榜单量化搜索预算、引擎与模型对质量和成本的影响,还给出可直接套用的参数配置方法。
OpenRouter 发布工具调用指南,展示同一套循环代码只需更换 model 字符串,即可在 Claude、GPT 和开源权重模型上运行。
OpenRouter 发布重大更新的 Auto 路由器(openrouter/auto),基于平台每周超 55T token 的真实消费数据选择模型,并已向所有用户开放。
推荐理由:基于 55T 周消费数据的市场化路由思路,附各任务基准与成本对比,读者可据此评估是否切换自己的 Auto 路由配置。
OpenRouter 发布团队支出管控设置教程,按顺序配置五项控制:创建组织共享信用池、用 presets 固定各工作流的模型与提供商、通过 Management API 为每个 API key 设置 credit 上限和 daily/weekly/monthly 重置。
OpenRouter 官方详解治理团队 AI 支出的 6 项控制:per-key 信用限额、guardrails、workspace 预算、presets、组织角色和 Activity 仪表盘,分别覆盖花多少、花在哪和谁在花。
推荐理由:官方详解 6 项团队支出控制的功能边界和叠加规则,读者可按团队规模选择最省成本的控制组合。
OpenRouter 发布 ori CLI,安装并登录后可自动为 Claude Code、Codex、OpenCode、Hermes 等生成适配 OpenRouter 的优化配置。
OpenRouter 发布 Ori Eval,在其 500 多个可选模型中为具体应用找出最合适的模型。工具会扫描代码库中所有模型调用点,通过问答确定你关心的成本、速度或准确率,生成 *.eval.ts 评测文件,用 bun test 断言智能体调用的工具并用 LLM judge 评开放性回答;运行期间固定 harness 与模型使结果可归因于模型变化。
推荐理由:原文说明评测如何固定环境、覆盖代码中模型调用点并接入 CI,读者可据此判断选型流程能否落地到自己的项目。
OpenRouter 发布官方教程,介绍专用包 langchain-openrouter(PyPI)和 @langchain/openrouter(npm)在 LangChain 中接入 400+ 模型、70+ 提供商的当前做法。
OpenRouter 发布指南,讲解如何评估同一模型在不同服务商端点的表现差异,核心指标为延迟(首 token 时间)、吞吐(输出 tokens/秒)、可用性和量化精度,并建议用 p90/p99 而非平均值读数。
OpenRouter 发布图像生成教程,讲解如何为 POST /api/v1/images 选择模型并修复常见 API 报错。选型建议按任务(文生图、参考图编辑、矢量输出、可读文字)、参数支持、价格依次决定;GET /api/v1/images/models 列出各模型的 supported_parameters。
OpenRouter 推出 beta 版 Classifiers,可在每个请求完成后异步分类,为生成记录写入结构化元数据,用于 AI 用量和成本追踪。
OpenRouter 上线 POST /api/v1/audio/transcriptions 音频转写端点,复用 Chat Completions 的同一 API key 和鉴权。
推荐理由:官方教程给出了完整的请求参数、限制和计费细节,读者可以直接照抄接入而不必自建 Whisper 服务。
OpenRouter 发布教程讲解提示词缓存与粘性路由如何降低 Agent 多轮成本。缓存读取为输入价格的 0.1x 到 0.5x,Anthropic 缓存写入为 1.25x(5 分钟 TTL)或 2.0x(1 小时 TTL),未被复用的单次写入比不缓存更贵。
推荐理由:原文给出各厂商缓存读写倍率、session_id 粘性路由用法和缓存未命中排查方法,读者可以直接照做降低 Agent 多轮成本。
OpenRouter 宣布可用单一 OpenAI 兼容 base URL 调用图像、视频、音频、嵌入和转录等全部模态,切换模态只需改模型字符串和内容类型。
OpenRouter 公布全新品牌视觉形象,新 logo 以几何图形在精确框架内排列构成 "OR" 标识,设计遵循包豪斯"形式追随功能"理念。新字体延续 logo 的几何风格,配色区分明暗色调,并针对浅色与深色模式分别设计,覆盖网页、移动端及全部产品体验。
OpenRouter 发文解释为何要经其路由调用 DeepSeek:同一个 DeepSeek V4 Pro 由 16 家供应商提供,输入价格从约 $0.44/M 到 $1.74/M 相差约 4 倍,吞吐从 4 到 57 tokens/s,uptime 约 97% 至近 100%。
OpenRouter 在 MMMU-Pro Vision(1,730 题)上基准测试 OpenAI 和 Google 五款模型的图像 detail 设置,发现 gpt-5.5 用 low 比 auto 低 13.8 分(65.2% vs 79.0%)且每题更贵(5.1¢ vs 4.5¢),原因是模型为看清热压缩图像多花 1.6x 推理 token。
推荐理由:基于 MMMU-Pro Vision 实测五款模型,给出推理模型保持 auto 细节、改调 reasoning effort 省钱的可操作结论。
OpenRouter 基于 2026 年 1 月 1 日至 6 月 14 日超 450 万亿 token 的日志分析,DeepSeek V4 于 4 月 24 日发布后,DeepSeek token 份额从年初约 9% 升至 6 月初近 20%,并自 5 月中旬起成为 OpenRouter 上用量第一的模型,智能体工作负载贡献了主要增量。
推荐理由:基于 OpenRouter 450 万亿 token 日志分析 V4 上线后的份额变化,并区分智能体与人类流量,数据口径和价格对比都有可参考价值。
OpenRouter 认为 2026 年 6 月最值得关注的四款开放权重模型是 DeepSeek V4 Flash、GLM 5.2、MiniMax M3 和 NVIDIA Nemotron 3 Ultra,并指出开放权重模型与美国前沿实验室的能力差距已连续 18 个月保持在 3-6 个月且未在扩大。
推荐理由:OpenRouter 用自家价格与吞吐数据逐一点评四款开放权重模型的适用场景,读者可以按成本、质量和模态对号入座选型。
OpenRouter 发布 MCP Server,让编码 agent 在编辑器内连接其实时模型目录、基准测试、文档并做测试推理。官方称全部操作无需离开编辑器即可完成。
OpenRouter 发布专用 Image API,覆盖 8 家厂商的 30+ 模型,并提供能力发现。该 API 通过单一端点让代码知道每个模型能做什么。
OpenRouter 提出 AI 治理清单应优先对齐 LLM 架构,因为政策文本无法证明谁调用了哪个模型、审计轨迹存放在哪里。文章建议把治理清单映射到技术栈能够实际证明的三种路由姿态上。
OpenRouter 提出,API 团队无需自建本地基础设施即可满足数据驻留要求,只需在单次请求中把数据驻留作为路由约束来执行。该方案针对被采购团队标记了来源国要求的场景。
OpenRouter 与 Portkey 的差异在于:前者用你购买的 credits 在多家提供商之间路由,后者则治理你已有的提供商 API key。两者在模型覆盖、可观测性、合规与价格上各有侧重。
OpenRouter 是托管式网关,LiteLLM 是自托管代理,两者在成本、数据驻留、路由和延迟上各有取舍。这篇对比围绕这四项差异展开,帮助判断哪种 LLM 网关更契合自身技术栈。
OpenClaw 已内置 OpenRouter 支持,一条命令即可让智能体用一个密钥、一份账单调用 300+ 模型,并自动故障转移。文章给出配置步骤,以及常见报错的修复方法。
一个 OpenRouter API key 即可让 SillyTavern 在单个下拉菜单中调用 300+ 模型,其中不少可免费起步。指南给出五步连接流程、值得尝试的角色扮演模型,以及用户最常遇到的报错修复方法。
Kilo Code 是一款自带模型提供商的编码智能体,接入 OpenRouter 后可用一个密钥访问 300+ 模型,并获得提供商路由与故障转移能力。配置分三步完成,并通过 kilo.json 字段控制路由。
Codex CLI 支持自定义 OpenAI 兼容提供商,只需在 config.toml 中加一小段配置即可将其路由到 OpenRouter,Codex 本身无需改动。这样可获得提供商故障转移、用量追踪,并用一个 key 调用所有模型。
OpenRouter 发布教程,说明只需三个环境变量、无需本地代理即可把 Claude Code 路由到 OpenRouter。接入后仍使用同一批 Anthropic 模型,同时获得供应商故障转移、预算控制和用量可见性。
OpenRouter 可接入任何兼容 OpenAI API 的工具,只需修改 base URL 和 key 两处配置。官方给出了这套设置方法,并列出了已支持该方式的工具。
OpenRouter 上线 openrouter:subagent 服务器工具,允许前沿模型在生成过程中把自包含任务交给更小、更便宜、更快的 worker 模型处理。该工具可完成文档摘要、结构化数据抽取、文本重新格式化等任务,且不消耗前沿模型的 token。
一份对比 OpenRouter、Groq、Gemini 等 13 家免费 LLM API 的指南,聚焦速率限制、成本与数据使用条款。内容旨在帮助开发者判断哪些免费 API 能支撑超出业余项目的实际使用需求。
OpenRouter 指出多数智能体 AI 治理框架只定义规则却从不执行,而 API 路由层可以阻止失控的开支和模型升级。该观点强调 API Key 在智能体治理中充当实际执行的护栏。
Anthropic 在 Claude Fable 5 上线数天后对其进行了限制,若代码硬编码模型 slug,这一变动会直接导致服务中断。OpenRouter 的 Presets 将模型选择移至服务端,无需重新部署即可切换模型、设置回退并执行数据策略。
OpenRouter 发布指南,介绍如何获得最低成本的 LLM 推理。做法包括在模型名后追加 :floor 以选择最便宜供应商、用 max_price 限制支出,以及从 20 多个零成本模型免费开始,并提醒避免计费陷阱。
OpenRouter 的提供商故障转移默认开启,模型回退则需用户主动选择。两层机制分别应对不同类型的故障,官方说明了各自的工作方式以及故障转移的失效边界。