一句话看懂：OpenRouter 上线新版 Auto 路由器，不再按固定规则选模型，而是依据全平台每周 55 万亿 token 的真实调用数据，把“大多数人在同类任务上选什么模型”转化为路由决策。它对知识、搜索、编程等任务的性价比明显改善，开发者可通过 cost_tier 参数平衡成本与质量。
事件核心：发生了什么
OpenRouter 于 8 月 10 日推出新版 Auto 路由器（openrouter/auto），核心变化是：模型选择不再依赖专家规则，而是参照过去 7 天平台上超过 55T token 的付费调用分布，按任务类型生成一条帕累托最优路由曲线。开发者发送请求时，可以用 cost_tier 参数指定成本档位（low、medium、high、xhigh、max）。
官方给出的基准测试显示，新版默认档在多个领域优于旧版：Search 任务从 53.1% 提升到 61.6%，Research 任务从 43.2% 提升到 62.9%；默认档的 MMLU Pro 略有下降（86.6%→85.2%），但成本从 393.34 美元降至 140.93 美元。最显著的是 Coding 任务在 max 档的表现：新版 60.7%，旧版只有 2.4%。目前该路由器已向所有用户开放，beta 版 openrouter/auto-beta 会优先获得后续更新。
为什么重要
这是在 API 聚合层引入“群体智慧”的一次明确尝试——把海量真实付费调用当作模型能力的隐式投票，而非只看静态的跑分或人工评测。这种方法的好处是路由决策能随模型上新和社区偏好变化自动刷新，形成一种自我更新的市场指数。
对行业而言，它改变了模型竞争的评判权重：一个模型哪怕基准测试不是最顶尖，只要在 OpenRouter 上被大量用户用于某类任务且效果稳定，就可能被 Auto 路由器选中。平台自身的数据规模由此成为核心壁垒，使用量越大，路由越准，形成网络效应。成本数据也表明，至少在搜索、研究、编程类任务上，“让市场来选模型”效果优于旧路由策略，并以更低价格达到同等或更高质量。
对用户/开发者/创作者的影响
普通 API 开发者最直接的收益是少做选型决策：只需传一个 openrouter/auto，路由器会自动按任务类型匹配模型，并用 cost_tier 控制预算。默认档位 cost_tier=low 适合大部分生产环境；追求效果时设 max，路由会优先选前沿模型，即使成本更高。
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。
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。
有一项细节值得使用者注意：新路由器有“粘性”机制，多轮对话会尽量保持在同一个模型上，避免因频繁切换模型而重建输入缓存、徒增成本。但这也意味着，任务难度变化时路由器不会立刻切换模型，开发者若追求极端稳定性，仍然需要自己管理模型选择。
值得关注的后续
首先，观察 cost_tier 参数是否会成为其他模型网关类产品的标准配置，这很可能被 Perplexity、Together AI 等聚合服务效仿。其次，OpenRouter 每周消耗 55T token 的市场数据目前是“黑箱”，路由决策的透明度和可解释性会直接影响企业级用户是否敢于默认接入。最后，当前 benchmark 只代表 8 月 10 日这一时间点的情况，社区模型偏好变化后路由曲线会迁移，能否稳定维持低成本高表现，还需要更长周期的验证。
