OpenRouter：为什么“一个模型通吃”押错了

章节时间轴

• 0:00 token 成为新的价值载体 — 开场提出 5 万亿至 10 万亿美元 token 流与 agent 欺诈的安全命题。
• 2:16 Pub/Sub 如何变成模型市场 — Alex 解释模型 slug、自动路由与持续消费的推理 SKU。
• 4:35 Alpaca 的 600 美元启示 — 一个廉价微调实验让“模型生态必然多元”从观点变成产品判断。
• 10:47 Discord 为什么需要开放模型 — 2.5 亿用户与每个社区不同规则，暴露闭源 guardrail 的企业适配缺陷。
• 16:58 “一个模型会赢”为什么错 — 搜索垄断类比忽略了模型的多模态、可组合性与分散创新。
• 23:57 中立层的产品与营销价值 — 模型是黑箱，开发者需要第三方照亮能力、价格与可用性的黑暗房间。
• 30:06 从 Axie 到 Midjourney 的社区飞轮 — Crypto 基础设施如何成为生成式 AI 的分发与反馈预演。
• 45:33 Mixtral 价格战与人类手动路由 — 快模型被感知为更聪明，用户先自己分流任务，auto-router 随后产品化。
• 49:20 为什么 OpenRouter 没有变成 Arena — 一个为开发者和隐私服务，一个为研究者、评估与偏好数据服务。
• 57:00 被放弃的 fine-tuning 与早期 Fusion — 团队用删功能守住焦点，并在技术成熟后重新尝试。
• 64:44 从模型发布到每日 10 万亿 token — 编码、开放模型、OpenClaw 与排行榜共同推动需求曲线。
• 70:54 Stripe 交易背后的风控逻辑 — 欺诈形态加速分化，token 经济需要类似 Stripe Radar 的新防线。
• 80:58 品牌保留，路线加速 — OpenRouter 近期继续独立路线，但借 Stripe 更快进入企业市场与信任安全建设。

详细内容

一、Alpaca 让模型市场从假设变成必然

2022 年底，OpenAI 几乎是唯一成熟选择。Llama 在 2023 年初出现后虽在部分 benchmark 上胜过 GPT-3，却还不是好用的聊天产品。Stanford 团队随后用约 600 美元合成数据并微调出 Alpaca；Alex 在飞机上试用时发现，许多回答已很难和 ChatGPT 区分。4:35

他从中看到两层变化。第一，珍贵数据第一次可以低成本“压缩”成可出售的模型服务；第二，任何开发者都可能用不同数据、偏好和成本结构复制出变体。只要供给会繁荣，就需要一个地方同时发现、调用、比较与理解它们。Hugging Face 当时偏开放权重仓库，没有闭源模型、即时调用与真实使用语境，空位因此出现。5:22

Alex 早在 2023 年写过 pub/sub 产品思路：供应者发布 SKU，消费者订阅主题。人类购买是离散行为，agent 却会持续消费推理、随时切换 SKU。OpenRouter 的模型 slug、auto-router 与各类路由产品，正是把 API 与 marketplace 合成一个持续流动的市场。2:16

二、Discord 教会 Anjney：企业必须能控制模型

Anjney 在 Discord 负责平台、安全与大规模第三方生态时，NFT 和 DAO 让数十亿美元价值在社区里流动，也带来 phishing、social engineering 与 DDoS。后来 Discord 获得 GPT-3 系列早期访问，尝试 Clyde 助手与内容审核；后者很快撞上闭源模型的边界。10:01

Discord 每个 server 都有自己的规则。一个 Harry Potter 社区需要讨论版权内容，一个侦探小说社区可能包含暴力，但 OpenAI 的统一 post-training 会直接拒绝。公司拥有约 2.5 亿月活和 5,000 多名审核承包者，需要模型按每个社区的上下文执法；原厂却不提供权重，通用 moderation endpoint 也不够精细。12:20

这个经历让 Anjney 相信，企业需要开放模型以及一层能编排、评估和切换它们的控制面。Llama、Mistral、Black Forest Labs、Luma 等研究团队擅长创造能力，却未必擅长 checkpoint 之后的开发者体验、反馈回路与分发；OpenRouter 正好承接那一段。13:05

三、“一个模型通吃”忽略了模型不是搜索框

OpenRouter 早期融资最常听见的反对是：scaling laws 和网络效应最终会把价值集中到一个实验室，就像 Google 赢下搜索。Alex 认为这个类比的后果甚至会像“荷兰东印度公司乘上天文数字”，因为 LLM 不只是界面，还是所有新业务的底层生产资料。16:58

更关键的是，创造有效竞争者的成本比搜索时代更可分散。不同模态、研究团队、开放权重与专用数据都会产生可用模型；Anjney 同时投资 Anthropic、Mistral、BFL 与 Luma，亲眼看见 scaling laws 不是“只能有一个赢家”的理由，而是多个团队均能持续进步的机制。18:31

中立层还承担实验室不适合承担的工作。模型像黑箱，无法把所有能力列进产品页；开发者需要观察真实任务、价格、速度与 provider 质量。OpenRouter 像在黑暗房间里照亮每个角落，而且由不偏向单一模型的第三方来照，结论才对采购和工程有意义。23:57

四、所谓 wrapper，里面装着工程、社区和判断力

一些投资人把 OpenRouter 称为“API wrapper”或“thin layer”。Anjney 的反驳来自运营经验：仅把三家 provider 在生产环境统一起来，处理可用性、价格、数据政策、路由与失败恢复，就已经是大量工程；再把模型在发布首日送上 endpoint、Hacker News 与开发者工具链，还要加入社区与分发能力。25:29

Alex 早年与 Discord 做 OpenSea 集成时，所有人都接受“点击链接跳出 Discord”的实现，只有他指出这不是真正好的用户体验，主张把 checkout 嵌在 Discord 内。那会牺牲 OpenSea 的直接流量，却对用户更好。Anjney 把这视为稀缺组合：既懂系统和开发者，也肯为最终体验否决一个技术上已完成的方案。32:25

平台飞轮则来自深入具体社区。OpenSea 团队曾逐个进入 NFT 社区，观察链接分享并修需求；OpenRouter 也从被闭源拒绝、急需定制模型的用户群体开始，而不是抽象地建设“所有人的模型市场”。先找到被卡死的人，再在公开社区里同时学习与分发，才有冷启动。30:53

五、Crypto 是生成式 AI 的一次彩排

Discord 为 Axie Infinity 扩过单 server 上限，也为海量 NFT 交易搭出社区基础设施。当 Axie 回落，Midjourney 恰好起飞：空白网页上的用户只会输入“cat”或“dog”，在 Discord 却能看到别人实时作图、复制 prompt、继续改写，社交环境解决了生成式工具的 blank-canvas problem。38:35

Midjourney 的“四张图选一张”还天然制造偏好反馈。团队在八个月内做到约 1 亿美元收入 run rate，而 Stability AI 等开放模型出现后，任何开发者都可能造自己的 Midjourney。市场随后需要把权重托管、provider 与 API 统一，让创意者不必先学推理基础设施。39:21

但 OpenRouter 没照搬 Discord。图像可以一眼比较，LLM 输出阅读成本高，生产集成还需要代码、数据政策、团队权限和治理。Midjourney 是终端应用，OpenRouter 面向开发者；产品形态必须随最高期望客户改变。42:27

六、专注意味着主动删掉相邻机会

OpenRouter 和 Arena 看似都比较模型，实际使命不同。Arena 的最高期望客户是实验室 post-training 研究员，需要统计校正、style control 与偏好数据；OpenRouter 的最高期望客户是开发者，需要可靠 API、隐私和真实部署。OpenRouter 默认看不到 prompt 与 completion，组织若需要才主动选择开放。49:20

团队做过一个从 YouTube 视频微调“AI Steve Jobs”或个人导师的原型，也讨论过沿着调用日志自动 fine-tune 小模型。最终没有扩张，因为 specialist provider 更适合完成这门新业务，而中立市场能与它们合作。Alex 说专注不只让人把产品做好，也让世界知道“这个品牌最在乎我的哪一种问题”。57:00

Model Fusion 更能说明成熟时机。2024 年多个模型能力差距太大，融合第二、第三名反而拉低第一名，团队干脆删除代码。到 2026 年，多个前沿模型都强、却在推理路径上互补；Alex 把同一架构计划交给多模型，再让它们评审融合结果，模型一致认为组合版更好，功能才重启。60:51

七、排行榜是一部 AI 应用史

OpenRouter 的需求曲线与模型发布同频。早期主要是角色扮演，应用范围有限；2024 年 Claude 3.5 Sonnet 让编码出现大跃迁，调用量上升，客户看到月账单后又寻找便宜开放模型，形成“前沿能力拉需求、开放权重降成本”的摆动。65:30

2025 年末 OpenClaw 带来新的非开发者用户与 heartbeat 架构。心跳并不值得持续调用最贵模型，auto-router 因此特别适合；Hermes 等产品又把 skill 和 memory 做成社区。OpenRouter没有自己占领这些相邻层，而让排行榜显示谁正在赢。67:48

Alex 说当前每日 token 已超过 10 万亿，主持人提到约 9% 周增速。排行榜的历史快照像一部电影：角色扮演、编码 IDE、terminal agent、通用个人 agent 依次进入顶部。平台价值恰恰来自不押单一应用形态。70:08

八、Stripe 收购的是 token 经济的安全位置

OpenRouter 拦截的异常美元量一个月增长十倍。问题不只有盗刷：有人违反条款转售流量，有企业账户整套被入侵，有 agent 陷入失控循环烧掉预算，也有应用只是把通用推理加价倒卖，天然吸引套利与攻击。70:54

Anjney 早在 Midjourney 免费试用被中国转售者大规模滥用时，就意识到 token 是新的在线价值单位。支付行业从 1980、1990 年代开始为万亿美元交易重造反欺诈系统；他估计 token 流五年可能到约 5 万亿美元、十年达 10 万亿美元，而攻击方未来会把人类欺诈自动化成 agent swarm。75:34

Stripe 当年的关键并非最低支付费率，而是先替开发者承担摩擦、再用全网数据建 Radar 风控。OpenRouter拥有跨模型、provider 与 agent 使用形态的异常视野，Stripe 拥有身份、支付与欺诈基础设施。两者结合的战略不是“把 API 结账做顺”，而是让合法 token 流保持高速、同时把坏流量挡在外面。77:54

金句

模型不是能把全部功能列在网页上的产品；它们都是黑箱，哪怕开放权重模型也是。 —— Alex Atallah 23:57

如果你说一个应用只是模型的 wrapper，那投资人也只是 LP 的 wrapper；一路向下，直到裸金属，全都是 wrapper。 —— Anjney Midha 28:34

要养大一个 OpenRouter，需要整个生态。 —— Alex Atallah 67:03

有时模型更快，人就会觉得它更聪明。 —— Anjney Midha 47:49

排行榜随时间变化的样子，几乎就是过去几年 AI 行业变化的一部电影。 —— Alex Atallah 70:08

每当巨大价值在世界范围内流动，就需要新的保护与安全基础设施。 —— Anjney Midha 78:40

提到的书·产品·人物

• OpenRouter（公司/产品）：统一调用、路由、比较模型与 provider 的中立推理市场。
• Alex Atallah（人物）：OpenRouter 创始人，曾任 OpenSea 联合创始人。
• Anjney Midha / AMP（人物/机构）：OpenRouter 投资人与长期合作伙伴，曾负责 Discord 平台。
• Stripe / Stripe Radar（公司/产品）：OpenRouter 的收购方/合作方及其反欺诈体系。
• Alpaca / Llama（模型）：触发 OpenRouter 创业判断的开放模型组合。
• Mistral / Mixtral 8x7B（公司/模型）：推动开放推理价格竞争和 provider marketplace 成形。
• Claude 3.5 Sonnet（模型）：2024 年编码能力跃迁带来的关键需求拐点。
• OpenClaw / Hermes（产品）：把 agent 用户扩展到更广人群并凸显自动路由价值。
• Midjourney（公司/产品）：以 Discord 社区解决生成式 AI 新用户上手与反馈问题。
• Axie Infinity（产品/社区）：Discord 在 crypto 时代大规模社区基础设施的代表。
• Arena / AI Reliability Institute（机构）：面向研究者与模型实验室的评估和偏好数据平台。
• Fusion（OpenRouter 功能）：把多模型输出融合，经历删除与 2026 年重启。
• Window AI / Plasmo（产品）：Alex 在 OpenRouter 前探索的浏览器端自带模型实验。
• Anthropic（公司）：Anjney 早期投资的模型公司，其创始使命被描述为负责任商业化 AI pair programmer。
• Andre Karpathy（人物）：公开表示更常看 OpenRouter 排行榜，成为其行业信誉拐点之一。

适合谁听

正在选择模型与路由架构的 AI 工程师、做开发者平台的创业者，以及想理解 Stripe 为何需要 OpenRouter 的投资人与安全负责人。