如何在编辑器里实时挑选最佳 AI 模型

事件核心：发生了什么

OpenRouter 于 8 月 25 日发布官方教程，提出了一套六步选模型框架。核心观点是：不存在一个对所有任务都最优的“最佳模型”，只有“最适合当前任务、预算和时点”的模型。教程配套的 OpenRouter MCP 服务器已上线，支持 Claude Code、Cursor、Codex CLI 等主流编辑器，用户无需本地安装，即可在编辑器中实时查看模型使用量排名、第三方基准测试（来自 Artificial Analysis 和 Design Arena）、各家供应商的定价，并向候选模型发送测试提示词。

值得注意的细节是：OpenRouter 按 29 种任务类型公开流量份额数据，其中仅“编程”就细分出代码生成、调试、代码审查、仓库扫描、SQL、DevOps 配置等九类，且这九类并非由同一个模型领先。在截至 2026 年 7 月 25 日的七天内，一个模型在八类任务中领先，但代码审查和安全类由另一模型夺冠。教程还推荐：如果候选模型没有明显胜出，可按请求路由到 openrouter/auto-beta，而不是硬选一个。

为什么重要

这份教程的行业意义在于它把“模型选择”从一次性决策变成了持续运营动作。当前大模型发布节奏加快，任何静态排行榜的有效期可能不超过一个月。OpenRouter 的做法是把基准测试定位为“初筛工具”而非“最终答案”，并强调用自有提示词做实测——这实际上推翻了多数团队内部“看榜单选模型”的习惯。

对 AI 应用开发而言，这意味着成本控制方式的转变。教程明确提出按“完成任务所需成本”（cost per completed task）而非“每 token 价格”来评估模型，因为一个输出质量差、需要反复重试的便宜模型，很可能比一个单价更高但一次出活的模型更费钱。OpenRouter 以路由层身份介入模型选择闭环，也强化了其中间层在模型分发和定价上的话语权。

对用户/开发者/创作者的影响

对开发者来说，最大的实际变化是选型流程可以被自动化。通过 MCP 服务器，AI 编程助手可以直接调用实时排名和价格数据，甚至自动发起对比测试——这意味着“选模型”这件事本身开始变成可编程的工作流。教程中提到的 Ori Eval 可以自动编写并运行对比评估，进一步降低人工筛选成本。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对于企业技术采购，这篇教程提供了一个可复用的评估框架：先定义任务类型，再从基准测试和使用数据中初筛 2-4 个候选，然后跑自己的提示词做最终裁决，同时关注延迟预算。这比盲目跟随社交媒体上的模型推荐更可核查。普通用户则可以通过该框架理解：某一个模型在演示中表现好，不等于在自己的真实负载中表现好。

值得关注的后续

第一，该 MCP 服务器能否吸引更多编辑器客户端接入，尤其是 JetBrains 系和 VS Code 生态，这决定了这套选型工具的实际覆盖面。第二，OpenRouter 的路线是推动“按请求路由”成为默认实践，如果 auto-beta 机制被更多团队接受，供应商之间的价格竞争可能从模型层上移到路由策略层。第三，目前公开信息显示，这套框架主要围绕 OpenRouter 平台内可用的模型展开，对于只使用单一云厂商模型服务的团队，其适用性和迁移成本尚待验证。

来源：OpenRouter：Announcements（RSS）