公司
别名：OpenRouterAI
提供AI模型访问平台，支持多种模型部署。
已跟踪 30 条高相关材料
最近变化
2026-10-08 · 课程分四阶段教学，从环境搭建到扩展能力，覆盖模型选择、上下文管理等核心实践。
为什么值得关注
OpenRouter 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
MiniMax-M3 is live on OpenRouter! A frontier-class open-weight model that combines a 1M-token conte...
OpenRouter(@OpenRouterAI) · 8.7 分
MiniMax-M3 已上线 OpenRouter，是一款支持100万token上下文、前沿编码与代理性能、原生多模态（图像/视频）的开源模型，标志着大模型能力向长文本、多模态和自主执行方向的重要突破。
https://t.co/qn75Cm1VFX
meng shao(@shao__meng) · 8.5 分
Pi School 是一门免费、自定进度的开源课程，通过 Pi 本身教授如何使用 Pi Agent，强调模型无关和隐私优先的设计。
Replit CEO Amjad Masad on how general models could train smaller, domain-specific models on the fly:...
a16z(@a16z) · 8.5 分
通用模型可实时训练更小的领域特定模型，提升效率并降低安全风险，但存在潜在危害。
已收录 30 条与 OpenRouter 相关的内容，按评分排序。
MiniMax-M3 has launched on OpenRouter — a frontier-class open-weight model supporting 1M-token context, agentic performance, and native multimodality (image & video), marking a major leap in long-context, autonomous-agent, and multi-modal AI capabilities.
入选理由：MiniMax-M3 支持1M-token上下文窗口，显著超越主流模型如GPT-4o的32K限制。
Pi School 是一门免费、自定进度的开源课程，通过 Pi 本身教授如何使用 Pi Agent，强调模型无关和隐私优先的设计。
入选理由：课程分四阶段教学，从环境搭建到扩展能力，覆盖模型选择、上下文管理等核心实践。
通用模型可实时训练更小的领域特定模型，提升效率并降低安全风险，但存在潜在危害。
入选理由：通用模型能动态生成领域特定模型，减少计算成本30%以上
模型切换可能因缓存重建和延迟影响效率，基准测试可优化选择。
入选理由：模型切换需重建输入缓存，可能增加延迟
微软发布MAI-Transcribe-2-Streaming模型，实测较ElevenLabs快55%且成本降低60%，在AA-WER指标上达到2.5% WER。
入选理由：MAI-Transcribe-2-Streaming在AA-WER指标上实现2.5% WER，领先行业水平
OpenRouter推出Seedream 5.0 Flash模型，支持14张参考图像进行精确编辑，价格0.018美元/张且输出尺寸不影响价格。
入选理由：Seedream 5.0 Flash支持最多14张参考图像进行精确编辑
Google Cloud 推出 Agent Substrate，为 GKE 提供高密度、可扩展且安全的代理执行基础设施，支持每秒 500 次挂起/恢复操作。
入选理由：Agent Substrate 在 GKE 上实现 10 倍于标准容器运行时的密度提升
工程师可通过OpenCode、OpenAI Codex等工具免费使用先进编码模型，无需订阅或GPU资源。
入选理由：OpenCode Zen提供MiMo-V2.5等免费模型，支持终端操作
本文汇总了癌症疫苗、注意力免疫调节、通用机器人和路由器收购等跨领域进展，为工程师提供前沿动态参考。
入选理由：Merck-Moderna mRNA疫苗使黑色素瘤复发率降低44%（基于Phase III数据）
GPT 5.6 Terra和Luna在OpenRouter大幅折扣导致token使用量激增13.8倍，印证了Jevons悖论。
入选理由：OpenRouter上GPT 5.6 Terra和Luna价格折扣导致token使用量增长13.8倍
OpenRouter的折扣策略导致Luna、Terra和Sol的令牌使用量分别增长13.8倍、5.6倍和1.1倍，符合Jevons悖论。
入选理由：GPT 5.6折扣期间令牌使用量增长13.8倍，验证了Jevons悖论的经济学效应
腾讯推出Hy4模型，参数达770B，支持1M token上下文，推理模式仅high和no_think。
入选理由：Hy4模型总参数770B，活跃参数49B，上下文窗口达1M token
OLX Alpha模型具备100万亿token/day处理能力，可能改变AI行业格局，但其真实来源仍存争议。
入选理由：OLX Alpha支持100万上下文窗口和多模态输入，日处理能力达100万亿token。
中国开源模型在技术进展和企业应用上对美国形成显著优势，但存在国内限制。中美差距源于中国模型的快速迭代与美国开放权重模型的落后。
入选理由：GLM 5.2 是开放权重模型的重大突破，中国模型海外能力远超国内版本
Buzz平台支持多模型配置与免费API接入，Kimi K3表现优异，Juni AI代理在SWE-Bench测试中超越多数竞品。
入选理由：Kimi K3作为主力编码模型可显著提升开发效率
Inkling 是一个开放权重的 MoE 模型，支持多模态推理，参数规模达 975B。
入选理由：Inkling 模型拥有 975B 总参数和 41B 活跃参数，采用 MoE 架构。
腾讯Hy3模型在OpenRouter LLM排行榜登顶，295B MoE参数量，Apache 2.0开源，提供免费API。
入选理由：Hy3模型参数量达295B MoE，性能媲美万亿级旗舰模型
降低图像细节以节省成本的策略在视觉推理任务中可能适得其反，导致成本增加。
入选理由：将图像细节设为“低”导致模型消耗更多推理令牌，成本增加。
推理努力是影响成本的主要因素，限制推理努力可降低50-75%成本，而调整细节对准确性影响更大。
入选理由：限制推理努力可使成本下降50-75%，准确性仅变化1-2点
Milvus在Attu 3.0 beta中引入自带LLM方法，用户可自主控制LLM提供商和数据路径，无需依赖托管服务。
入选理由：Attu 3.0 beta支持OpenAI/Anthropic等5大LLM提供商的自定义接入
美团发布LongCat-2.0，采用1.6T参数MoE架构，支持1M上下文窗口，训练推理全程依赖国产加速卡。
入选理由：LongCat-2.0使用5-6万张中国国产加速卡训练，实现训推全链路国产化
GLM 5.2在代码审计和设计系统匹配任务中表现优异，成本仅为$3.36，适合替代Claude Code。
入选理由：GLM 5.2在代码审计任务中表现优异，成本仅为$3.36。
OpenRouter 推出 Fusion API，通过混合模型实现更优成本-准确性平衡，挑战前沿模型的主导地位。
入选理由：Fusion API 通过混合模型实现 Fable 级别智能，成本仅为前沿模型的一半。
OpenRouter Fusion API通过模型融合技术实现接近Fable 5的性能，成本仅为一半。
入选理由：OpenRouter Fusion API使用多模型融合技术，性能接近Fable 5但成本降低50%。
组合多个低价模型可达到接近 Claude Fable 5 的性能，同时成本降低一半。
入选理由：Gemini 3 Flash、Kimi K2.6 和 DeepSeek V4 Pro 组合性能接近 Claude Fable 5。
OpenRouter SDK 提供了处理复杂任务的工具，包括暂停执行、状态持久化和人类审核流程。
入选理由：OpenRouter SDK 支持暂停执行和状态持久化，适用于需要中断和恢复的场景。
MiniMax introduces M3, the first open-weight model combining coding, agentic, and long-context capabilities, achieving 59%+ on benchmarks like SWE-Bench Pro with 1M context support, advancing open-source LLMs toward multi-capability frontiers.
入选理由：MiniMax M3 在 SWE-Bench Pro 基准测试中取得 59.0% 正确率，领先多数开源模型。
Step 3.7 Flash 是一个支持多模态的 MoE 模型，仅激活 11B 参数即可处理 196B 参数规模的任务，适用于编码、代理工作流和结构化输出。
入选理由：Step 3.7 Flash 模型通过激活 11B 参数处理 196B 参数规模任务，显著降低计算成本。
OpenRouter 获得1.13亿美元B轮融资，将用于扩展多模态推理、企业级控制和智能路由功能。
入选理由：OpenRouter 每周处理量从5万亿增长到25万亿tokens，预计今年处理超1000万亿tokens。
Microsoft has released a terminal-native Web Agent framework called Webwright, which uses 'code as action' design and allows LLMs to write Playwright scripts, resulting in excellent performance across various backend platforms.
入选理由：Webwright 使用 LLM 写 Playwright 脚本，将网页操作变成可运行的 Python 程序。
