OpenRouter 推出 Model Router Benchmarks 路由基准测试页

今天我们推出全新的 Model Router Benchmarks 页面，用于比较日益增多的各类路由器的性能表现。每个路由器都经过了一系列来自不同领域的基准测试，以在质量、速度和成本方面进行评分。

代表同类最佳成本效益和智能水平的各个模型与路由器并列展示，作为比较的基线。请持续关注此页面，因为我们会不断添加新的路由器，并随着路由器的改进更新评分。

OpenRouter 通过我们的 Auto Router 和 Free Models Router 推出了首批模型路由器中的两个。它们的创建是为了让你拥有一个可靠的选项，能够持续跟进最新模型，并符合你偏好的 成本水平。自那以后，我们不断改进它们，包括利用市场智慧来指导路由决策。

近几个月来，许多路由器相继推出，它们利用模型生态中不同的优势来优化性能。

成本差异：例如，将 DeepSeek v4 Flash 与 GPT-6 Astra 相比，GPT-6 Astra 每 token 的平均支付价格高出 48 倍以上，在 Codex 中运行平均 10 到 49 轮会话的成本高出 21 倍。路由器可以将任务的部分环节切换到成本更低的模型以节省成本。

任务多样性：例如，在法律研究上表现最好的模型可能并非最适合编程的模型。路由器可以在它们之间切换，以发挥每个模型的优势。

会话阶段：智能体会话的不同部分可能需要不同水平的智能。路由器可以在模型或推理力度之间切换，以适应会话中需要复杂规划或平凡执行的部分。

在实践中，这些技术各自都面临挑战，有时可能导致比直接使用单一模型更差的表现：

• 在模型之间切换意味着请求会变得更昂贵，因为输入缓存需要重建。
• 路由器通常没有足够的信息，仅凭查看提示词来评估任务复杂度。
• 用于判断会话阶段的启发式信号可能与模型的下一步不一致。
• 你在路由决策上运行的处理越多，引入的延迟就越大。

我们提供这些 Model Router Benchmarks，以展示哪些路由器克服了这些固有挑战，从而让你能够决定何时（以及是否）适合将它们投入使用。它们旨在帮助你找到符合你所需性能特征的路由器和模型组合。

路由器的类型

“路由器”一词被用来指代许多不同的含义。让我们来梳理一下。

提供商路由：模型通常由多个推理提供商提供服务，因此提供商路由器会根据你在价格、速度、正常运行时间和数据策略方面的偏好选择合适的一个，如果失败则回退到另一个。这就是 OpenRouter 自第一天起一直在做的事情。

模型路由：你可以不直接选择单个模型，而是将请求发送到诸如 Auto Router 之类的路由器，由它决定哪个模型应该作答。它们的行为就像模型一样，但可能使用一个或多个模型来响应你的请求。

我们进行基准测试的模型路由器采用了以下几种不同的方法：

执行模型混合的路由器： Unbiased 的 Pareto 和 Sakana 的 Fugu 是使用模型混合的推理提供商，有时会升级到前沿模型。它们不披露所使用的模型或切换频率，并按标准化的每 token 费率计费。

选择模型的路由器： Auto Router 和 Jev Router 为每一轮选择一个模型。模型选择是透明的，无论选中哪个模型，都按该模型的标准费率计费。

在预定义模型集之间切换的路由器： NVIDIA 的 Switchyard 将一个更便宜的模型与一个更强的模型配对，并在智能体执行任务的过程中在两者之间切换。已对若干配对进行了基准测试，以展示哪些模型搭配效果最佳，但你可以使用任意配对来运行它。

还有其他几种风格，例如 Pareto Code 或 -latest 模型别名，它们都指向单个模型。Pareto Code 会针对你期望的智能水平挑选最具成本效益的模型，而 -latest 别名则指向某个系列中最新的模型。Fusion 是另一种风格，它将同一请求在多个模型组成的委员会上运行，并综合出最佳答案。这些风格未进行基准测试，因为它们服务于专门用途，需要不同的比较方法。

路由器指数综合了质量、速度和成本

基准测试揭示了多个维度的表现，因此很难判断哪个路由器表现最佳。路由器指数将质量、速度和成本综合为每个基准测试的 0 到 10 分。默认情况下，它将质量（基准测试得分）权重设为 60%，每任务时间设为 20%，成本设为 20%。你的优先级可能不同，因此你可以拖动页面上的滑块来调整指数权重。

只需将这些路由器替换为你的模型，即可试用其中任何一个

与任何基准测试一样，我们的 模型路由器基准测试 仅代表一般任务，而非你自己的实际工作。列出的所有路由器均可在 OpenRouter 上使用。在任何应用、测试框架中，或通过我们的 API，将它们替换为你的模型即可。