编译：佳欢，ChainCatcher
今天，OpenRouter 宣布已与 Stripe 达成收购协议。距离 OpenRouter 于 2023 年正式推出，刚刚过去三年。
OpenRouter 最初以“LLM 的统一接口”为定位上线，当时只支持 4 个模型：GPT-3.5、GPT-4、Together 的 GPT NeoXT 和 Cohere xlarge。
公司成立之初基于两个核心判断：第一，AI 的使用规模最终会非常庞大，并渗透到各个领域；第二，市场上会出现大量不同模型，它们各有取舍，用户也会根据不同需求选择不同模型。
事实证明，这两个判断都远远超出了当时的预期。
自上线以来，OpenRouter 平台处理的 Token 数量增长了约 3 万倍，目前按年化计算已经超过 4500 万亿 Token，平台上的支出规模也达到了相当惊人的水平。与此同时，OpenRouter 支持的模型数量已经从最初的 4 个增加到 500 多个。
图：从成立到被收购，OpenRouter Token 使用量增长情况
Menlo Ventures 很幸运能够参与这段旅程。2025 年 3 月，我们通过与 Anthropic 合作设立的 Anthology Fund 参与了 OpenRouter 的种子轮融资。
OpenRouter 创始人兼 CEO Alex Atallah 此前曾创办 OpenSea，后者估值一度达到 133 亿美元。他的联合创始人包括在 Discord 上认识的技术高手 Louis Vichy，以及执行力极强的 COO Chris Clark。
2025 年 5 月，我们领投了 OpenRouter 的 A 轮融资，Matt 加入公司董事会，Deedy 担任董事会观察员。今年早些时候，看到 OpenRouter 的客户数量和收入迅速增长，以及公司围绕模型选择和评估构建更强“模型智能”能力的产品路线后，我们又继续加码了 B 轮融资。
在科技行业，一个想法往往需要经过多年时间，才能从少数人的判断变成行业共识。
而就在几周前，这件事发生了：从 Ramp 到 Cursor，超过 10 家公司几乎同时推出了自己的模型路由产品。短短几年时间，OpenRouter 已经成为 AI 时代最重要的公司之一。
图：确定领投 OpenRouter A 轮时的合影
乍看之下，Stripe 似乎并不是 OpenRouter 最自然的收购方，但两家公司实际上惊人地相似。
两者都通过一个可以直接接入的 API，把原本复杂的交易流程变得简单，并从中收取一定比例的费用。只不过 OpenRouter 处理的是 AI 模型。
按照 Stripe 一贯的说法，两家公司结合之后，仍然是在做同一件事：提高“互联网 GDP”。
事实上，一年多以前，OpenRouter 就已经把自己称为“LLM 领域的 Stripe”。
OpenRouter 的核心价值
OpenRouter 是 Deedy 在 2024 年加入 Menlo 后最早接触的公司之一。这家公司几乎正好处于我们 AI 基础设施投资逻辑的核心位置。
Menlo 在《2024 企业 AI 报告》中提出了两个投资 OpenRouter 所必须成立的判断：AI 支出会大幅增长，同时开发者不会只使用一个模型，而会同时采用多个模型。
图：Menlo 最初发给 OpenRouter 的联系邮件
作为同样会写代码、会实际使用这些模型的人，我们很早就意识到，不同模型在成本、延迟和性能之间存在非常明显的差异。
例如，当你只是做一个简单的 NLP 任务，从文本中识别实体时，并不一定需要调用 Fable 这类最前沿、能力最强的模型。
但问题在于，如果用户需要自己进入每一家模型公司的官网，注册账号、创建 API Key、妥善保管密钥，再分别适配各家公司略有不同的 API 接口规范，最后还要自己管理所有模型，整个过程会非常繁琐。
一个统一的模型网关听起来似乎很简单，但实际上，这是一个比表面看起来困难得多的基础设施问题。很少有人真的愿意长期自己建设并维护这一套系统。
风险投资行业经常讨论“护城河”，通常首先想到的是技术壁垒。但 OpenRouter 拥有的是一种非常典型的规模护城河。
用户越多，OpenRouter 就越能够预测模型需求、处理更大的负载；同时也更容易与模型实验室签订规模更大的合同，从而获得更稳定的 Token 供应和需求。
最终，这会形成一个循环：新的模型实验室为了获得分发渠道，也会希望优先登陆 OpenRouter。
我们还观察到另一个趋势。
随着 vibe coding 普及，软件创业公司的数量迅速增加。对于一家想进入企业市场的产品来说，最终真正能被企业采购的，往往是那些已经先赢得公司内部开发者认可的产品。
Anthropic、OpenAI、xAI、Cursor、Cognition、ElevenLabs、Lovable 和 Fireworks 都是如此：它们先赢得开发者，然后进入企业市场。
OpenRouter 也是一样。
自我们投资以来：
OpenRouter 当前处理的 Token 数量已经达到上线初期的 3 万倍，过去三年保持约 33% 的月度增长，平均每 11 周翻一倍。
模型市场也迅速扩张。中国出现了 DeepSeek、GLM、Kimi 等优秀开源模型，此外还有 Grok、Meta 和 Thinking Machines 等公司的模型。目前 OpenRouter 已经接入超过 80 家模型提供商的 500 多个模型，服务约 1000 万用户。
许多重要的新模型都会优先登陆 OpenRouter，包括来自 OpenAI、X 和 Meta 的模型。平时很少发推、更少为其他产品发声的 Mark Zuckerberg，也曾专门宣布 Muse Spark 上线 OpenRouter，Elon Musk 同样如此。OpenAI 还会通过 OpenRouter 提供 Terra、Luna 等模型的专属折扣。
OpenRouter 的产品驱动增长模式也成功转化到了企业市场。它的企业产品销售周期，是我们见过最快的一批。企业可以通过这一产品统一分配模型资源、控制访问权限，并管理内部 AI 预算。
由于 OpenRouter 可以统一与不同模型提供商谈判合同，即使面对最前沿的模型，它也能够提供极高的服务可用性。
OpenRouter 是怎么走到今天的？
任何长期做创业公司的人都会告诉你，找到产品市场契合度，也就是 PMF，从来不是一条直线。
OpenRouter 同样如此。
它的故事其实要从 2023 年 4 月 5 日说起。当时团队推出了一款名为 Window 的 Chrome 扩展，让用户能够在互联网上不同的聊天应用中同时调用多个模型。
他们最初想解决的问题，是避免用户被某一家模型厂商锁定，同时又不需要为了使用不同模型，把自己的 API Key 分别交给不同应用。
这一产品的设计灵感来自加密钱包，这也与 Alex 此前创办 OpenSea 的经历有关。当时 Window 一共支持 4 个模型。
2023 年 4 月 24 日，Window 的 GitHub 代码库中第一次出现了“OpenRouter”这个名字。
大约一个月后，他们接入了第一批 Anthropic v1 模型，开始根据 Prompt 自动把请求分配给合适的模型，同时还制作了后来广为人知的模型排行榜，并开始使用 OpenRouter 这一名称。
2023 年 8 月 10 日，团队正式将产品更名为 OpenRouter，口号是“A unified interface for LLMs”，即“LLM 的统一接口”。
当时，OpenRouter 每周处理大约 30 亿 Token。那时排行榜上的模型，与今天大家熟悉的模型已经完全不同。
随后团队推出了 Playground，让用户可以通过一个聊天界面，同时获得多个模型的回答。
到了当年 11 月，OpenRouter 已经支持 52 个模型，接入超过 2000 个应用，每周处理约 80 亿 Token。
这时，他们真正找到了 PMF。
模型路由的未来
与很多人的理解不同，OpenRouter 最核心的产品并不是简单地“帮用户路由 Token”，而是成为最好用的 AI 网关。
OpenRouter 的确提供 Auto Router，可以自动选择模型，但大多数开发者使用 OpenRouter，主要还是为了通过一个入口访问不同模型，再根据自己的需求决定如何进行模型路由。
最近，企业在 LLM 上快速增长的支出，已经成为 Uber、Coinbase 和 Microsoft 等公司的现实问题。
因此，“模型路由器”作为一种降低成本的方案，听起来非常诱人。
既然一个 AI Agent 执行任务时会拆成许多不同的子任务，那么为什么每个任务都要使用最昂贵的模型？简单任务完全可以交给成本更低的模型处理。
过去几周，整个行业似乎突然同时意识到了这一点。从 Ramp 到 Cursor，已经有超过 10 家公司推出自己的模型路由器。
但问题在于，仅仅根据 Prompt 本身来选择模型，其实并不是一个特别有效的方法。
在 Agent 场景中，一个任务可能需要运行很长时间。要想判断某个请求应该交给哪个模型，需要理解大量上下文。
比如一句简单的指令：“在代码库里找到这个文件。”
它可能只需要一个便宜、简单的 LLM，也可能必须调用最前沿的模型。这取决于代码库到底有多大，以及此前任务已经积累了怎样的上下文。
在多步骤的 Agent 任务中，一旦路由器在某一步选错模型，这个错误的成本还会沿着后续步骤不断放大，最终导致整个任务的结果质量明显下降。
因此，一个真正有差异化能力的模型路由产品，基础并不是一个简单的“模型选择算法”，而是一个优秀的统一 API，以及足够庞大的真实用户规模。
正是这些用户，让 OpenRouter 在几乎没有被外界注意到的情况下，逐渐积累了一个极为庞大的数据集，其中包括用户提交了什么 Prompt、这些 Prompt 最终使用了什么模型、任务运行时有哪些上下文，以及最后取得了怎样的结果。
这才是模型路由真正重要的地方。
在真实生产环境中，OpenRouter 可以在尽量维持效果的同时，通过更合理的模型路由帮助企业控制成本。
未来，开发者不需要自己搭建复杂的评测体系，也不用为了不同模型持续修改 Prompt。
你可能只需要登录后台，然后看到这样一条提示：“你的代码库中有一部分场景主要用于摘要。如果把 GPT 5.6 Sol 换成 Muse Spark，每年可以节省 10 万美元。我们已经自动替你完成了相关评测。”
这才是模型路由真正的未来。
从支付基础设施到 AI 基础设施
Stripe 与 OpenRouter 有着非常相似的发展轨迹。两家公司都是先赢得开发者，再逐渐进入大型企业市场。两者的产品设计语言也都非常简洁、直接。
Andrej Karpathy 曾把 OpenRouter 称为 AI 的“转换开关”。而 Stripe 所做的事情，本质上也类似：它成为了支付处理体系中的那个“开关”。
这笔收购也是 AI 时代基础设施领域最早出现的大型交易之一，而且不会是最后一笔。用于管理模型、成本和算力的基础设施已经逐渐成型。这些基础设施正在让新一代巨头公司的形成速度变得比过去更快。
免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。
