公司与模型
OpenRouter 模型路由平台动态：新模型上架、用量排行与开发者选型的真实市场信号。
19 条精选近 30 天 16 条共收录 33 条
OpenRouter 正式接入 ElevenLabs，提供 9 个文本转语音（TTS）模型和 2 个语音转文本（STT）模型。开发者可通过 OpenRouter API Key 直接调用 POST /api/v1/audio/speech 和 POST /api/v1/audio/transcriptions 接口，无需单独订阅 ElevenLabs 服务。
推荐理由：OpenRouter 集成 ElevenLabs 语音模型，提供统一 API 入口和限时折扣，简化了多模态应用的开发流程。
OpenRouter 发布博客对比 OpenAI、Anthropic、Google 及自家 openrouter:shell 工具的服务器端代码执行能力。OpenRouter 的工具支持任意模型在 Responses 和 Messages API 中运行命令，沙箱默认无外网访问，按 $0.0001/秒计费且新容器最低收费 30 秒。
推荐理由：文章对比了四家服务商的托管代码执行工具，明确了各自沙箱能力、计费模式及适用场景，为开发者选型提供了具体依据。
OpenRouter 发布新的 Model Router Benchmarks 页面，用于比较各类模型路由器在质量、速度和成本上的表现。该页面引入了综合评分的 Router Index（默认权重为质量 60%、时间 20%、成本 20%），并详细区分了提供商路由、模型选择、混合执行及切换预定义模型集等不同路由类型。
推荐理由：OpenRouter 上线模型路由器基准测试页，通过量化质量、速度与成本帮助开发者评估路由策略的实际收益与潜在延迟风险。
OpenRouter 提出一种三步框架，用于为 AI Agent 选择最具性价比的模型，强调不应仅依据排行榜排名选模，而应寻找满足特定任务质量门槛的最便宜模型。
推荐理由：提供了一套基于自有数据测量成本与质量比值的三步决策框架，帮助开发者在 Agent 任务中避开排行榜陷阱，选出满足最低质量要求的最经济模型。
OpenRouter 发布教程指导开发者在 CI 流程中利用固定评估集对 Pull Request 进行质量门控，以防止系统提示词修改导致智能体行为回归。该方案通过将评估脚本集成至 GitHub Actions 并设置必需状态检查，当通过率低于阈值时自动阻断合并，文中详细演示了路径过滤、多数投票采样及阈值测量方法以消除模型输出噪声。
推荐理由：原文提供了在CI中通过固定评估集拦截提示词回归的完整脚本与配置，读者可据此构建防止智能体行为漂移的质量门禁。
OpenRouter 发布指南介绍如何通过模型自报置信度分数实现动态路由，让低成本模型处理高确信请求，仅将低确信请求升级至更强模型。该方案利用结构化输出强制返回数值型置信字段，并建议通过自有流量测试误差率分布来设定和持续调整路由阈值，以平衡成本、延迟与准确性。
推荐理由：提供了基于模型自报置信度进行动态路由的五步实施指南，包含结构化输出配置与阈值校准方法。
OpenRouter 发布指南介绍如何在提示词或模型变更后对 AI Agent 进行回归测试。核心方法是建立锁定的用例集和行为契约，通过结构断言检查工具调用及参数，而非文本比对。文章详细演示了使用 Ori Eval 框架固定具体模型 slug、配置 CI 工作流以及处理模型切换时的推理参数差异，确保在价格或性能变化时保持策略合规性。
推荐理由：原文提供了锁定用例集与行为契约的具体方法，并演示了如何利用 Ori Eval 进行模型切换的回归测试。
OpenRouter 发布指南介绍如何测试 AI Agent 的工具调用准确率，区分工具选择错误与参数传递错误两种失败模式。文章详解参考无关 LLM 评判、确定性 Schema 检查及轨迹对比三种方法，并提供通过 OpenRouter 统一接口对 Claude Opus 5、GPT-5.6 Sol 和 Kimi K3 等模型运行相同测试用例的代码示例。
推荐理由：原文拆解了工具选择与参数校验的独立测试逻辑，并提供了基于 OpenRouter 统一接口对比多模型准确率的代码实现。
OpenRouter 发布指南介绍如何从生产流量构建黄金评估数据集（Golden Eval Dataset），以解决通用基准无法反映特定业务表现的问题。该数据集由经过人工审核的生产输入和预期输出组成，需版本化并集成到 CI 中作为回归测试。
推荐理由：提供了从生产流量构建黄金评估数据集的五步流程及跨模型对比方法，帮助开发者基于真实业务数据而非通用基准进行模型选型与回归测试。
OpenRouter 发布教程指导开发者使用 TypeSafe 的 Jev 决策模型（typesafe/jev-1.13）在 TypeScript 中实现结构化内容审核。
推荐理由：通过 TypeScript 代码完整演示了 Jev API 在内容审核中的集成流程，提供了从状态构建到阈值调优的可复用工程范式。
OpenRouter 对 TypeSafe 的 Jev 1.13 模型与 Claude Opus 5 在 Banking77 意图分类任务上进行了基准测试。结果显示 Jev 准确率比 Opus 低 3.3 个百分点（81.0% vs 84.4%），但中位延迟快 13 倍且成本低 22 倍。
推荐理由：原文通过 Banking77 数据集实测对比了 Jev 与 Claude Opus 5 在分类任务上的精度、延迟和成本，并提供了基于置信度的级联路由方案。
OpenRouter 发布 Batch API，允许用户提交异步请求以换取约 50% 的 token 价格折扣，目前支持超过 70 个模型。该功能适用于标注语料、回填嵌入向量等非实时工作负载，Beta 期间数据显示中位完成时间仅 7 分钟，90% 的任务在一小时内结束。
推荐理由：官方公布批量推理的半价机制与实测延迟数据，为处理非实时大规模任务提供了具体的成本优化方案。
NVIDIA 发布 Nemotron 3.5 Lightning，这是一款总参数 30B、激活参数约 3B 的混合 Mamba-2 和 MoE 架构模型，专为智能体工作流中高频、低延迟的执行步骤设计。
推荐理由：原文详细对比了 Nemotron 3.5 Lightning 与 Ultra 在智能体工作流中的分工，并提供了基于 OpenRouter 的路由策略及本地部署参数。
OpenRouter 发布技术解析，对比 TypeSafe 的决策模型 Jev 与传统 LLM-as-a-Judge 在 Agent 输出评估中的表现。测试显示，在证据完备的封闭标准下，Jev 与 LLM 判断器准确率相当，但具备更好的概率校准性，且成本仅为后者的 1/5，延迟为 1/10；而在需要长文本推理的开放标准（如摘要一致性）中，LLM 判断器与专家评分的相关性更高。
推荐理由：原文通过实测对比了 Jev 与 LLM-as-a-Judge 在准确率、校准度及成本上的差异，并给出了不同评估场景下的选型建议。
OpenRouter 发布技术指南，详细解析 TypeSafe 推出的非生成式决策模型 Jev（当前版本 typesafe/jev-1.13）的工作原理与使用方法。
推荐理由：原文通过真实 API 调用演示了 Jev 模型的三种决策原语及概率解读方法，为开发者提供了替代传统 LLM 加正则解析工作流的具体实现路径。
OpenRouter 发布教程，指导开发者在分类、路由和验证等已知答案的任务中使用 TypeSafe 的 Jev 决策模型，而在需要生成文本时使用 LLM。基准测试显示，在处理支持工单时，Jev 的成本约为每千张 $0.0248，中位延迟 194ms，远低于 GPT Luna 和 Claude Opus。
推荐理由：原文通过基准测试对比了决策模型与生成式大语言模型在分类任务中的成本与延迟差异，并提供了结合两者构建低成本工单处理流水线的具体代码实现。
OpenRouter 对平台路由的 20 款图像生成模型进行了统一实测，记录了各模型在相同提示词下的实际计费、返回格式及参数限制。测试显示 openai/gpt-image-2 以 $0.006-$0.0135 成为最低成本选项，而 sourceful/riverflow-v2.5-pro 在 Design Arena 榜单中评分最高。
推荐理由：通过统一测试20个模型的实际计费与能力差异，提供了跨厂商图像生成的选型依据和成本对比方法。
OpenRouter 发布教程介绍如何使用 LLM-as-a-Judge 方法自动评估 AI Agent 的输出质量。该指南详细说明了如何结合确定性测试与语义评分，并提供了基于 Ori Eval 工具的具体实施步骤、代码示例及最佳实践。
推荐理由：原文提供了使用 Ori Eval 实现 LLM-as-a-judge 的完整代码与配置，读者可据此快速搭建自动化评估流程。
OpenRouter 推出名为 Fusion 的复合模型功能，允许单个提示词触发多个专家模型的并行回答与裁判对比，以生成更高质量的最终答案。默认三模型面板的成本约为单次调用的四到五倍，延迟增加两到三倍，适用于高价值研究或决策场景而非实时交互。
推荐理由：官方详解多模型辩论机制与成本权衡，提供 API 调用示例及适用场景边界，帮助开发者评估是否引入该复合推理能力。