OpenRouter 的新版 Auto 路由器（openrouter/auto）不是一次简单迭代。它是把模型选择这件事，从工程师手里的静态规则，直接扔给了每周超过 55T token 的真实消费数据。换句话说，不是人告诉系统哪个模型好，而是数十万开发者用真金白银和实际调用量投出来的票，在近 30 种任务类型上自动完成了“选模”这件事。这才是这条更新真正值得写一写的地方。
旧路由为什么不行
当模型列表变成电话黄页
过去一年，模型数量膨胀到普通人记不住全名的程度。一个通用的路由策略如果还停留在“把请求转到某个固定模型”的思维里，失效是必然的。原因很简单：模型成本、性能和社区偏好几乎在以周为单位漂移。上周某个新开源模型突然跑分冒尖，下周某个闭源 API 调价三分之一，静态路由根本追不上这种速度。更麻烦的是，不同任务对模型的敏感度完全不同。同样的模型，在代码补全上可能是性价比之王，拉去做法务合同摘要就直接翻车。用一套死规则去覆盖所有场景，结果就是大量请求被送往过贵或不够好的模型，损失默默摊进了每个月的账单里。
55T token 投出的实时榜单
新版 Auto 路由器的核心逻辑是把决策权交给社区实际消费分布。它不做离线评测竞品对比那种漂亮的表格，而是直接抓取近 7 天内在 OpenRouter 上跑过的真实请求分布——总量超过 55T token。然后按约 30 种隐式任务类型去拆解这些消费数据：文本生成、函数调用、代码生成、对话、翻译等等，每一类下社区在哪些模型上花的钱最多、调用最频繁，那个模型就自然成为该类任务的“默认首选”。坦白讲，这种机制比任何专家 benchmark 都更贴近实战。因为真实开发者已经替所有人做过取舍了，他们既要跑分也要控制推理成本，还要考虑延迟和稳定性。这些因素会被压缩成一张消费清单，每周滚动更新。新路由器不过是将这张清单变成了动态路由表。
Cost_tier 里的市场信号
low 档位的惊人真相
很多人第一次看到新路由支持的 cost_tier 参数会想当然：low 就是便宜的烂模型，max 就是最贵的旗舰。OpenRouter 的数据却给出了一个反直觉的事实。在 MMLU Pro 等多个基准测试中，新默认档位（成本远低于旧版默认路由的模型选择）在绝大多数任务领域达到了与旧版同等的性能。换句话说，社区用脚投票的结果是——不花那么多钱，也能办成事。出现这种现象的背景是低成本强模型在最近两个月密集涌现，而社区的消费惯性迅速从旧旗舰转移到了这些新面孔上。Auto 路由器捕捉到的，正是这种迁移已经完成后的稳态分布，而不是厂商发布通稿里的“即将可用”。
从 low 到 max，每一档都是消费切面
cost_tier 参数不是手动调出来的折扣分级，而是对近 7 天社区消费曲线不同分位点的采样。low 档位反映的是那些对成本极度敏感、宁可用略微弱一点的模型也要把单价压到最低的任务分布；max 档则对应着完全不在乎成本、只求最强性能的场景。真正有趣的地方在中间。大部分开发者最终会留在默认档，因为它代表的是市场共识的最优性价比——不是最便宜，也不是最强，而是多数人在多数时候愿意为那一类任务掏的那个价格区间。这个值每周都在微调，跟着真实消费一起漂移。因此新 Auto 路由器可以说是一个实时市场均衡器，而不是一个技术配置项。
新路由没说但值得问的事
隐私账本：不看你数据却能跟上偏好
可能有人会质疑，用社区消费数据做路由是不是意味着 OpenRouter 在偷看用户请求。实际机制是聚合统计，不是内容审查。它只看模型被调用了多少次、花了多少 token、对应什么任务大类和成本偏好，不关心 prompt 里写了什么。同时，新路由器会严格遵循账户的隐私设置，如果用户关闭了数据共享，其调用不会进入影响路由分布的众包池。这相当于在“用众包数据优化路由”和“不泄露任何单次请求”之间划出了一条清晰的技术边界。隐私合规不是附加条款，而是决定数据能不能进入统计池的硬开关。
长尾任务的冷启动难题
依赖社区消费分布有一个天然盲区：那些调用量极低的小众任务。当某类任务一周内只产生了非常稀疏的消费记录，路由表里对这一类的模型映射就缺乏统计置信度。新 Auto 路由器在这类场景下会回退到保守策略，但回退策略的具体逻辑并没有在公告里展开。这会不会导致长尾任务无意中成为成本洼地里被忽视的角落？对那些高度特异化的企业私有任务，靠社区投票是投不出最优解的。不过反过来想，如果某个任务冷门到社区几乎没人跑，开发者大概率一开始就要自己显式指定模型，路由的自动选择本就不是为他们设计的。
路由本身变成一种资产
把观察窗口拉长，新 Auto 路由器真正的长期影响也许是它把“路由决策”变成了一个可计价、可迭代的资产。过去路由是一行配置代码，现在是每周更新的动态数据集，数据集的价值取决于平台上持续增长的 token 消费密度。调用量越大的应用，从新路由中获益越多，因为它们恰好是贡献数据的主力，同时又最需要降低成本。这种正反馈循环会让 OpenRouter 上的模型入口越来越不像一个简单的 API 网关，而更接近一个以交易量和流动性定价的模型市场。这比任何 benchmark 发布的模型排名都更能反映当下 LLM 使用的真实水位。
