加载失败
OpenRouter 是一个把多家 LLM provider（模型提供商）的 API 聚合到单一接口上的路由与计费服务，虽然名字里有 Open，但它并不是 open source；开发者可以用同一套 key 和调用方式切换 OpenAI（模型平台）、Anthropic（Claude 背后的大模型公司）、Google Vertex AI（云端模型服务）和 DeepSeek（模型厂商）等。它通常在底层 API 价格上加收约 5% 的 surcharge，并提供预充值、额度上限、key 管理、模型排行榜和缓存统计等能力，所以被很多人当作 LLM gateway（统一接入层）使用。此次融资是 1.13 亿美元的 Series B，媒体报道的 post-money 估值约 13 亿美元，投资方包括 NVentures（NVIDIA 的风投部门）、ServiceNow Ventures（企业软件公司旗下风投）、MongoDB Ventures、Snowflake Ventures 和 Databricks Ventures 等。评论之所以分裂，是因为 AI 应用开发正处在多模型快速更替阶段：有人把它看成省事的基础设施，有人则担心它只是一个可被复制的中间层。
很多人承认自己最初低估了 OpenRouter，但后来发现它真正省的是摩擦成本。对开发者来说，最直接的价值是用同一个入口试很多模型、统一 billing/auth、管理多个 key 和预算上限，而不是为每家 provider 反复改代码。有人特别强调 hard caps、按 key 设限和周期性补额，能避免公共服务或 vibe coding 场景里账单失控。还有人提到 meta model 会自动把请求路由到更合适的模型，进一步减少手动挑选和切换的成本。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13]
评论里有一条很强的线索是 OpenRouter 公开了按小时统计的缓存命中数据，甚至让人据此给 provider 排队。有人提醒这些 cache rate 波动很大，最好看长期平均，而且同一 provider 下不同模型差异会非常大。讨论也延伸到 agents 为什么会把完整对话历史反复塞进 context：因为 LLM 本身是 stateless，服务端只能靠历史输入和 KV cache、prompt caching 来维持连贯并压低成本。还有人提到 OpenAI Responses API 的 thread id、store 参数，让这种“接着聊”的体验在开发者侧看起来更像持续会话。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11]
另一大争议是数据会不会被拿去训练或变现。支持免费模型的人认为，既然平台免费，就应默认输入输出会进入别人的训练管道；反对者则指出 OpenRouter 的请求往往混着多个终端用户、多个 session、多个模型和不同 system prompt，未必适合直接做高质量训练集。有人进一步把重点放在 RLHF、IP 保护和匿名 usage data 上，担心真正的价值不只是训练，而是更广义的数据销售。也有人因为被系统判定像是在做 model training 而被限制免费模型使用，说明平台的风控和数据政策对用户体验影响很大。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14] [来源15] [来源16]
很多评论对这门生意的护城河和估值非常怀疑。质疑者认为这只是一个可以用开源库或几晚代码复刻的 proxy/shim，真正的差异只是帮你省去中间商税和换 credit card 的麻烦；大客户一旦规模上来，往往会直接走 provider API。也有人直言 13 亿美元估值太高，像典型的 VC 热钱时代故事。相对乐观的看法则把它类比成 DoorDash 或 marketplace：如果足够多客户默认从 OpenRouter 入口找模型，供应商反而会被迫加入，但那更像平台分发效应而不是技术壁垒。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11] [来源12] [来源13] [来源14] [来源15]
企业和重度用户更在意的是把 OpenRouter 当成 LLM gateway，而不是单纯的统一接口。有人希望保留 provider 的 native API，只在前面加 billing/auth，因为统一抽象层在复杂用例和新特性上经常出问题。讨论里还提到 Cloudflare AI Gateway、Vercel AI Gateway 等替代方案，以及 OpenRouter 可配置的 prompt injection protection、PIM protection、日志和 JSON healing，说明它正在向治理和合规功能扩展。账号和域名隔离、可调额度、以及不让 AI bill 失控，也是企业愿意买单的重要理由。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8] [来源9] [来源10] [来源11]
也有不少人把这次融资理解成对真实需求和执行力的确认。有人提到 OpenRouter 过去六个月的 weekly volume 从 5T token 涨到 25T token，而团队只有约 48-50 人，说明它处理的吞吐量已经很夸张。用户还夸它能很快支持新模型，适合 evaluation、Cursor、Cline 这类 agent/harness 工具，以及 LibreOffice AI extension 之类的免费集成。整体上，这些评论把 OpenRouter 看成一个能持续跟上模型迭代速度的实用基础设施，而不只是一个抽象的转发层。
[来源1] [来源2] [来源3] [来源4] [来源5] [来源6] [来源7] [来源8]
KV cache: 推理时缓存 attention 的 key/value，复用共享前缀以降低延迟和成本。
prompt caching: 把重复的提示前缀缓存起来，长对话、agents 和批量调用都能省钱。
RLHF: Reinforcement Learning from Human Feedback，用人类偏好信号来优化模型输出。
ZDR: Zero Data Retention，表示服务商不长期保存用户请求或响应数据。
BYOK: Bring Your Own Key，用户自带模型 API key，由第三方只做路由或管理。
LLM gateway: 统一接入多家模型提供商的网关层，通常负责路由、鉴权、计费和治理。
open-weight models: 开放权重模型，可由第三方托管或自托管，不完全锁定单一平台。