OpenRouter 发布基于市场集体智慧的新一代智能路由系统
OpenRouter 宣布了一项重大架构升级，正式推出全新的 Auto Router（openrouter/auto）。这一更新的核心设计理念源于“市场的集体智慧”：通过汇聚数千万用户每日产生的海量 Token 消耗数据，系统能够比任何单一专家更精准地判断何种模型最适合特定任务。
核心突破：从静态规则到动态市场信号
旧版 Auto Router 主要依赖预设的规则和静态基准，而新版系统则完全重构了决策逻辑，其核心机制如下：
- 实时任务分类：系统对传入的 Prompt 进行快速轻量级分类，识别出约 30 种细粒度任务类型（如代码调试、多步 Agent 规划、知识问答、数学计算等）。
- 基于真实消耗的排名：针对识别出的任务类型，系统查询过去 7 天内 OpenRouter 社区在该任务上实际花费最多的模型组合。这是一个“实时信号”，当社区大规模迁移到新模型时，路由策略会在数天内自动跟进。
- Pareto 最优路由曲线：系统将任务分类与用户的成本偏好（
cost_tier）结合，生成一条帕累托最优曲线。开发者只需指定成本层级（low, medium, high, xhigh, max），系统即可自动匹配性价比最高的模型。
性能与成本的双重验证
OpenRouter 利用跨领域的基准测试（Benchmarks）验证了新版路由器的表现。测试覆盖了知识（MMLU Pro）、Agent 能力（τ³-bench Banking）、搜索（WideSearch）、研究（DSQA）及编程（SWE-Atlas QnA）等多个维度。
关键性能指标对比
| 基准测试 | 新路由器默认 (New Default) | 旧路由器默认 (Old Default) | 新路由器最高成本 (New Max) | 旧路由器最高成本 (Old Max) |
|---|---|---|---|---|
| MMLU Pro (知识) | 85.2% | 86.6% | 91.4% | 88.8% |
| τ³-bench Banking (Agent) | 20.6% | 21.0% | 31.6% | 7.2% |
| WideSearch (搜索) | 61.6% | 53.1% | 61.9% | 54.8% |
| DSQA (研究) | 62.9% | 43.2% | 63.0% | 42.3% |
| SWE-Atlas QnA (编程) | 30.4% | 30.4% | 60.7% | 2.4% |
注：数据基于特定时间点快照，随社区偏好变化而动态调整。
结果显示，在默认成本层级下，新路由器在多个领域（特别是 Agent 和搜索任务）的表现优于旧版，甚至在某些任务上实现了性能跃升，同时大幅降低了成本。
成本效率分析
在默认设置下，新路由器显著优化了支出。例如，在 MMLU Pro 任务中，默认成本从旧版的 $393.34 降至新版的 $140.93，降幅超过 60%。在编程任务（SWE-Atlas QnA）中，默认成本更是从 $463.73 降至 $297.23。
“市场的魅力在于，大量独立个体的集体决策往往优于任何单一专家。OpenRouter 每天处理数万亿 Token，我们正利用这些海量数据，让集体的智慧为开发者带来更优的决策。” —— OpenRouter 官方团队
实际应用价值
- 零配置优化：开发者无需手动维护庞大的模型知识库，只需设置
cost_tier，系统即可自动处理模型切换，确保在预算范围内获得最佳性能。 - 动态适应：路由策略随市场变化实时演进。当社区发现某款新模型在特定任务上表现优异时，Auto Router 会迅速将其纳入优选列表。
- 隐私保护：模型排名基于聚合的匿名消耗统计，不保留具体 Prompt 数据，确保用户隐私。
如何使用
开发者可通过在推理端点中指定 model: "openrouter/auto" 立即体验新功能。此外，OpenRouter 已开放 openrouter/auto-beta 供早期用户测试。
通过拥抱市场的集体智慧，OpenRouter 正在重新定义 AI 应用的成本效益比，让开发者能够以更低的价格享受到前沿模型的能力。
